La previsión precisa de las velocidades del viento es crítica para reducir los impactos perjudiciales de las fluctuaciones del viento en las redes eléctricas y ayudar en la integración de la energía eólica en el sistema de red. Sin embargo, investigaciones anteriores se han centrado predominantemente en pronósticos puntuales, a menudo pasando por alto las incertidumbres inherentes a la precisión de la predicción. Para esta investigación, sugerimos un nuevo enfoque para pronosticar intervalos de velocidad del viento (PI). Específicamente, las series de velocidad del viento reales se obtienen inicialmente, y el método de descomposición empírica de modo en conjunto completo con ruido adaptativo (CEEMDAN) descompone las series de velocidad del viento reales en numerosas funciones de modo constituyentes. Además, se utiliza una red generativa antagónica (GAN) para lograr el PI de velocidad del viento junto con el método de regresión lineal multivariante. Para confirmar la efectividad del modelo sugerido, se seleccionan cuatro conjuntos de datos. Los resultados de validación sugieren que este modelo propuesto alcanza una superior precisión de PI en comparación con la de numerosas técnicas de referencia. En el contexto del PI del conjunto de datos 4, los valores de PINAW muestran mejoras del 68.06% y 32.35% sobre los valores de CEEMDAN-CNN y VMD-GRU en pronósticos de un solo paso, respectivamente. En conclusión, el modelo propuesto supera a los modelos contrapartes al exhibir un PINAW y CWC reducidos, mientras mantiene un PICP similar.