EMD-ARMA风光功率预测方法深度增强版

基于 EMD 的风光功率分解方法，加上 ARMA 做时间序列建模，思路还挺清晰的。先把原始数据拆成几个“节奏不一样”的小模块，再分别预测，拼起来。这种组合方法对风电光伏这类跳变数据还挺管用，尤其短期预测时，响应快，误差小。

整体实现不算复杂，代码量适中，而且有伪代码指导，照着做也不难。你可以用MATLAB跑，也可以换成Python，逻辑差不多。比如，像ARMA建模部分，就挺适合直接调用 statsmodels 包，效率还不错。

用在电网调度、电力交易这些场景挺合适的。风光出力不稳定，老让调度员头大，用这种预测方法，起码能提前预判趋势，减轻不少负担。

哦对了，如果你之前有用过MODWT之类的变换工具，那思路跟这差不多，先变换再建模。感兴趣的可以参考下这篇MODWT ARMA 时间序列预测，思路挺接近。

想试试这套方法？我建议你先看看这个MATLAB EMD-SSA-BiLSTM的代码，虽然是混合模型，但对 EMD 的部分基本通用。或者你也可以从ARMA 预测源码开始，先把时序模型打磨好，再接 EMD 那一块。

如果你是搞新能源预测的，是风电光伏这一块，这种EMD+ARMA的组合方式，值得一试。