【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-