风速预测产品系统

本项目面向新能源风电功率预测场景，主要解决风电功率受风速波动、气象变化和设备运行状态影响而产生的非平稳、非线性预测难题。通过对历史风电功率数据进行建模分析，为风电场调度、并网控制和发电计划提供更准确的预测依据。

系统主要实现风电功率时间序列预测功能，包括原始数据清洗、异常值处理、滑动窗口样本构建、功率序列分解、深度学习预测和误差指标评估等模块。系统先对风电功率数据进行预处理，再利用 CEEMDAN 和 EWT 方法将复杂功率信号拆分为多个更稳定的子序列，随后分别训练 LSTM 模型进行预测，最后将各子序列预测结果重构为总功率预测值，并输出 RMSE、MAE、R²、MAPE 等评价指标。

项目基于 Python 实现，核心采用 CEEMDAN-EWT-LSTM 混合预测模型。首先清洗负值和异常功率数据，再使用 CEEMDAN 分解原始风电功率序列，并对高频分量进一步进行 EWT 降噪处理。随后通过滑动窗口构造训练样本，使用 LSTM 网络学习各子序列的时序特征，结合归一化、反归一化和线性重构完成最终功率预测，并通过 sklearn 计算模型误差指标。