Wind speed forecasting plays an important role in power grid dispatching management. This article proposes a short-term wind speed forecasting method based on random forest model combining ensemble empirical modal decomposition and improved harmony search algorithm. First, the initial wind speed data set is decomposed into several ensemble empirical mode functions by EEMD, then feature extraction of each sub-modal IMF is performed using fast Fourier transform to solve the cycle of each sub-modal IMF. Next, combining the high-performance parameter optimization ability of the improved harmony search algorithm, two optimal parameters of random forest model, number of decision trees, and number of split features are determined. Finally, the random forest model is used to forecast the processing results of each submodal IMF. The proposed model is applied to the simulation analysis of historical wind data of Chaoyang District, Liaoning Province from April 27, 2015 to May 22, 2015. To illustrate the suitability and superiority of the EEMD-RF-IHS model, three types of models are used for comparison: single models including ANN, SVM, RF; EMD combination models including EMD-ANN, EMD-SVM, EMD-RF; EEMD combination models including EEMD-ANN, EEMD-SVM, EEMD-RF. The analysis results of evaluation indicators show that the proposed model can effectively forecast short-term wind data with high stability and precision, providing a reference for forecasting application in other industry fields.

风速预测在电网调度管理中起着重要作用。本文提出了一种基于整体森林模式结合整体经验模态分解和改进的和谐搜索算法的基于随机森林模型的短期风速预测方法。首先，通过EEMD将初始风速数据集分解为几个整体的经验模式函数，然后使用快速傅里叶变换对每个子模态IMF进行特征提取，以解决每个子模态IMF的周期。接下来，结合改进的和声搜索算法的高性能参数优化能力，确定随机森林模型的两个最佳参数，决策树的数量和分割特征的数量。最后，随机森林模型用于预测每个子模式IMF的处理结果。将该模型应用于辽宁省朝阳区2015年4月27日至2015年5月22日的历史风向数据模拟分析。为说明EEMD-RF-IHS模型的适用性和优越性，以下三种模型用于比较：单个模型，包括ANN，SVM，RF；EMD组合模型，包括EMD-ANN，EMD-SVM，EMD-RF；EEMD组合模型包括EEMD-ANN，EEMD-SVM，EEMD-RF。评估指标的分析结果表明，所提出的模型能够有效地预测短期风速数据，具有较高的稳定性和准确性，可为其他行业的预测应用提供参考。为了说明EEMD-RF-IHS模型的适用性和优越性，使用了三种类型的模型进行比较：单个模型，包括ANN，SVM，RF；以及 EMD组合模型，包括EMD-ANN，EMD-SVM，EMD-RF；EEMD组合模型包括EEMD-ANN，EEMD-SVM，EEMD-RF。评估指标的分析结果表明，所提出的模型能够有效地预测短期风速数据，具有较高的稳定性和准确性，可为其他行业的预测应用提供参考。为了说明EEMD-RF-IHS模型的适用性和优越性，使用了三种类型的模型进行比较：单个模型，包括ANN，SVM，RF；EMD组合模型，包括EMD-ANN，EMD-SVM，EMD-RF；EEMD组合模型包括EEMD-ANN，EEMD-SVM，EEMD-RF。评估指标的分析结果表明，所提出的模型能够有效地预测短期风速数据，具有较高的稳定性和准确性，可为其他行业的预测应用提供参考。