摘要： 【目的/意义】自然界中时间序列信号具有非线性、非稳定变化的特点。对时间序列信号实现准确预测，不 仅能够提高风电机组的输出功率，并且有助于调控风电场的运行维护，保障电力系统的安全运行。【方法/过程】本 文基于集合经验模式分解和变分模态分解两种时间序列分解的方法，并将其与RBF神经网络相结合提出RBF直 接预测模型和EEMD-RBF 和VMD-RBF 两种组合预测模型。利用某风电场的原始风速时间序列信息，通过 MATLAB 软件进行编程，进行案例分析。【结果/结论】预测结果表明组合预测模型优于RBF 直接预测模型，且 VMD-RBF组合预测模型的预测结果最为精确。
