原文出自 JMSE 期刊：

Jiao, X.; Zhang, D.; Song, D.; Mu, D.; Tian, Y.; Wu, H. Wind Speed Prediction Based on VMD-BLS and Error Compensation. J. Mar. Sci. Eng. 2023, 11, 1082. https://doi.org/10.3390/jmse11051082

专栏简介

“新能源控制与工业智能”专栏由JMSE、Energies、Technologies 编委宋冬然副教授主持，专注于人工智能在新能源系统、工业控制方向的应用研究。

宋冬然 副教授

中南大学

中南大学自动化学院副教授、博士生导师，教育部学位中心论文评审专家、国家/广东/浙江自然科学基金项目评审专家，PCMP、JMSE、Energies、Technologies、Energy Engineering 等 SCI/EI 期刊编委。主持国家项目与企业课题多项，近5年科研合同经费800多万元，获授权国家发明专利18项、国际发明专利1项、软著1项。长期从事风电控制与优化、人工智能在新能源系统应用等方向研究，曾在明阳智能从事风能技术研发工作多年。参与编写外文专著1本，参与国家标准制定2项，以第一或通信作者在能源和电气领域国际权威 SCI 期刊发表论文50余篇，全球工程类学科前1% ESI 论文6篇。

引言

风力发电具有波动性与间歇性，容易干扰电力系统稳定运行甚至导致其失衡。对风速进行准确预测有助于解决风力发电不稳定的问题。为了提高风速预测精度，研究人员引入了深度学习算法。然而，深度学习需要设置较多的参数，且训练时间较长，这限制了其在实际中的应用。此外，目前大多数方法忽略了自然风速急剧变化导致的预测滞后，从而显著增大实际风速与预测值之间的误差。

此前，Journal of Marine Science and Engineering (JMSE) 期刊上发表了一篇题为“Wind Speed Prediction Based on VMD-BLS and Error Compensation”的研究论文，为减少预测滞后，提高单变量风速时间序列的预测精度，提出了一种 ARMA-VMD-BLS 混合预测方法。

研究内容

该研究提出了一种 ARMA-VMD-BLS 混合预测方法。首先，采用变分模态分解 (VMD) 算法将原始风速序列分解为多个分量；其次，使用自回归滑动平均模型 (ARMA) 模型选择适当数量的输入数据，然后使用宽度学习系统 (BLS) 模型获得各个分量的预测结果；将各个分量的预测结果相加，得到初步预测结果。此外，为了进一步提高预测精度，提出了一种误差补偿方法：利用 BLS 模型给出预测误差，将误差预测结果与风速预测结果相加获得最终的风速预测结果。基于实际风速数据进行验证，结果表明该方法可以有效缓解预测滞后现象，提高预测精度。与各种机器学习模型进行比较，验证了 BLS 的优越性。

具体而言，传统风速预测方法存在时间滞后现象，容易导致预测精度下降。为准确地预测风速，提出一种基于 ARMA-VMD-BLS 的混合预测模型，流程如图1所示，可分为9个步骤：

(1) 使用 VMD 分解原始风速序列：使用 VMD 算法将原始风速序列分解为多个本征模态函数 (IMF)；

(2) 使用 ARMA 模型选择最佳输入数量：将 IMF 作为训练集建立 ARMA 模型以找到最佳的输入数量；

(3) 使用 p 值对数据序列进行分区：p 为偏自相关系数，从每个 IMF 的第一个数据开始，每 p 个数据为一组，将前 p−1 个数据作为输入，第 p 个数据作为输出；

(4) 使用 BLS 模型预测每个 IMF：使用经过分区的数据来训练 BLS 模型，对于每个 IMF，使用三重嵌套循环以查找映射节点、映射特征层中的窗口和增强节点的最佳数量；

(5) 将每个 IMF 的预测结果相加：步骤4中使用 BLS 模型对每个 IMF 的预测并不是真实的风速，需要将所有预测相加以获得风速预测；

(6) 得到风速的预测误差：将测试集的真实值减去预测值，得到误差测试集；

(7) 构建误差集的 ARMA 模型并划分误差集：使用 ARMA 模型选择误差集的最佳输入数 p，并使用其 p 值来划分误差训练集和测试集；

(8) 使用 BLS 模型预测误差：基于误差训练集，使用三重嵌套循环来找到映射节点、映射特征层中的窗口和增强节点的最佳数量，再使用误差测试集检验模型的预测效果；

(9) 将风速预测结果与误差预测结果相加：将初步预测结果与误差预测结果相加，得到最终的风速预测结果。

图1. 混合预测模型框架

实验结果

实验部分选取了中国某风场的实际风速数据进行验证。实验结果表明，采用 VMD 算法处理原始数据可以减少预测滞后现象、提高预测结果的准确性。通过对比 BLS、ELM、SVR、BPNN 模型，表明 BLS 的预测效果优于其他三种模型。

图2. 部分实验结果

在未来的工作中，可尝试寻找更准确的算法来分解原始数据，以得到更好的预测结果；此外，如何将该方法应用于在线预测系统，实现实时更新，是一个值得研究的方向。

JMSE 期刊介绍

主编：Tony Clare, Newcastle University, UK

期刊内容主要涉及海洋工程、海岸工程、海洋环境科学、海洋生物学、物理海洋学、化学海洋学、海洋地质学、海洋能源、海洋污染、海洋灾害以及海洋水产养殖等一般领域的研究。

2022 Impact Factor：2.9

2022 CiteScore：3.7

Time to First Decision：16.9 Days

Time to Publication：37 Days