近日，我校数据科学与应用学院王永生教授研究团队在超短期风力发电功率预测领域取得重要突破。风力发电功率预测技术是保障电场和电网安全调度与稳定运行的基础，是促进可再生能源消纳并网的关键技术。研究提出了一种基于灰色关联分析改进的完全集合经验模态分解（GCEEMD）方法，结合先进的去噪技术和优化策略，以提升预测性能。在数据预处理阶段，离散傅里叶变换（DFT）和离散小波变换（DWT）的协同应用实现了频域和时域的双重特征提取，在有效去噪的同时完整保留了数据的动态特性。基于灰色关联分析（GRA）的模态分解优化机制，通过关键变量筛选显著提升了CEEMD对主要趋势特征的解析能力。为进一步增强模型性能，生成对抗网络（GAN）与NSGA-II优化算法的集成应用实现了预测组件的自适应优化，最终在预测精度和稳定性方面取得显著提升。
图1 关键技术示意图
该研究成果实现了风电功率预测技术的创新突破，通过融合混合去噪、改进模态分解和智能优化算法，显著提升了预测精度，实验结果表明各项指标均优于国家能源局相关标准。实验在多个风电场数据集上进行了系统验证，不仅验证了15分钟单步预测的准确性，还通过多步预测测试证实了模型具有优异的泛化能力和长期预测稳定性。该成果提出的“混合去噪-优化分解-智能预测”技术框架，创新性地解决了传统方法在处理风电数据非线性、非平稳特性时的局限性，为超短期风力发电功率预测提供了一种新的解决方案，在风力发电功率预测领域具有重要意义和应用前景。
图2 风力发电功率预测值与真实值对比图
该研究成果受到国家自然科学基金（No. 62366039）、内蒙古自治区科技项目（No. 2023YFSH0066）及内蒙古高校科研项目（No. JMZD202301）资助。相关成果以“Ultra-short-term wind power prediction based on hybrid denoising with improved CEEMD decomposition”为题在国际期刊Renewable Energy上发表。我校2023级硕士研究生高嘉婧为该论文第一作者，数据科学与应用学院王永生教授为该论文通讯作者，内蒙古工业大学数据科学与应用学院为该论文第一完成单位。
论文连接：https://doi.org/10.1016/j.renene.2025.123352
图3 论文首页
延伸阅读：
王永生，数据科学与应用学院教授、正高级工程师，博士生导师，智慧能源安全团队学科带头人，主持国家自然科学基金等各类项目10余项，以通讯作者或第一作者在SCI/EI/卓越/中文核心收录的专业学术期刊和CCF列表学术会议上发表相关论文25篇，授权（申请）专利16项。团队围绕总体国家安全观和区域能源安全战略，长期致力于运用多学科交叉理论构建能源安全体系，重点研究新能源发电功率预测和生产故障预警、新能源场站智能运维、能源系统耦合与优化、能源系统安全风险评估等理论和关键技术。
该团队对工业数据进行分析与监测，应用数据分析与机器学习技术，在风光发电功率预测、电场故障预警、智能运维等领域取得了丰富的成果。相关十余项成果已在《高电压技术》《浙江大学学报》《太阳能学报》《Expert Systems with Applications》《Renewable Energy》等国内外知名期刊发表。这一系列成果有效改善原始风电时序数据质量、提升模型预测精度、降低风电场运行维护成本，为新能源安全稳定生产提供了新的思路，对建设国家重要能源基地具有积极意义。
高嘉婧，数据科学与应用学院2023级人工智能硕士研究生，主要从事时间序列数据分析与挖掘及超短期风力发电功率预测的研究，以第一作者在知名期刊《Renewable Energy》上发表学术论文。参与多项国家级、省级项目，获得三项国家级奖项。
Renewable Energy属于中国科学院1区Top期刊，亦属于Clarivate《期刊引证报告》中的1区期刊（JCR Q1），2024年最新影响因子为9.0。
文字、图片：数据科学与应用学院
