针对风电功率受自然环境变化影响，难以建立精确数学模型对其进行预测的问题，采用一种新型的可变模式分解(variational mode decomposition，VMD)技术，将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性，根据子模式的样本熵(sample entropy，SE)分析其复杂度并重组得到子序列。在此基础上，结合3 种不同的机器学习基模型，提出一种基于VMD-SE 和基模型的自适应多层级综合预测模型，并采用一种基于混沌萤火虫结合仿真鸡群优化的智能算法，对其权重矩阵进行实