[發(fā)明專利]風電場短時風速預(yù)測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201010585999.2
• 申請日: 2010-12-10
• 公開（公告）號: CN102542133A
• 公開（公告）日: 2012-07-04
• 發(fā)明（設(shè)計）人: 張巍;王偉民
• 申請（專利權(quán)）人: 中國科學院深圳先進技術(shù)研究院
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 吳平

1.一種風電場短時風速預(yù)測方法，包括如下步驟：

步驟一、采集初始風速數(shù)據(jù)；

步驟二、采用多孔小波變換將所述初始風速數(shù)據(jù)分解為初始低頻風速數(shù)據(jù)和初始高頻風速數(shù)據(jù)；

步驟三、利用BP神經(jīng)網(wǎng)絡(luò)建立高頻風速預(yù)測模型，將所述初始高頻風速數(shù)據(jù)輸入所述高頻風速預(yù)測模型，計算得到預(yù)測高頻風速數(shù)據(jù)；

步驟四、利用BP神經(jīng)網(wǎng)絡(luò)建立低頻風速預(yù)測模型，將所述初始低頻風速數(shù)據(jù)輸入所述低頻風速預(yù)測模型，計算得到預(yù)測低頻風速數(shù)據(jù)；及

步驟五、采用多孔小波逆變換法將所述預(yù)測高頻風速數(shù)據(jù)和所述預(yù)測低頻風速數(shù)據(jù)進行重構(gòu)，獲得風速預(yù)測值。

2.根據(jù)權(quán)利要求1所述的風電場短時風速預(yù)測方法，其特征在于：所述步驟二中采用如下公式得到初始低頻風速數(shù)據(jù)和初始高頻風速數(shù)據(jù)：

設(shè)初始風速數(shù)據(jù)的風速序列為X₀＝{x₁，x_t，…x_t-1}，其中，x_t是t時刻的風速數(shù)據(jù)；

則初始低頻風速的風速序列為X₁＝X₀*H，且

初始高頻風速的風速序列為D＝X₀-X₁；

其中H為低頻濾波器。

3.根據(jù)權(quán)利要求2所述的風電場短時風速預(yù)測方法，其特征在于：所述步驟三為：

(1)、將步驟二得到的初始高頻風速的風速序列D作為訓練數(shù)據(jù)通過隱含層節(jié)點作用于輸出層節(jié)點，經(jīng)過如下非線形變換，產(chǎn)生輸出數(shù)據(jù)Y_k；

O_j＝f(∑w_i，jD_i)-θ_i；

Y_k＝f(∑T_j，kO_j)-θ_k；

其中，O_j為隱含層節(jié)點j處的輸出值；f(x)＝1/(1+e^-x)；w_i，j為連接輸入層節(jié)點i與隱含層節(jié)點j的權(quán)值，其初始值由系統(tǒng)隨機給定；θ_i為輸入層節(jié)點i處的閾值，其初始值由系統(tǒng)隨機給定；Y_k為輸出層節(jié)點k處的輸出值；T_j，k為連接隱含層節(jié)點j與輸出層節(jié)點k處的權(quán)值，其初始值由系統(tǒng)隨機給定；θ_k為輸出層節(jié)點k處的閾值，其初始值由系統(tǒng)隨機給定；

(2)、神經(jīng)網(wǎng)絡(luò)輸出值Y_k與期望輸出值t_k之間的偏差，通過調(diào)整權(quán)值w_i，j、T_j，k以及閾值θ_i、θ_k，使誤差沿梯度方向下降；經(jīng)過反復學習訓練，確定與最小誤差相對應(yīng)權(quán)值和閾值，訓練即停止；

誤差的計算公式為：E=12Σk(Yk-tk)2;]]>

調(diào)整的權(quán)值w_i，j計算公式為：w_i，j(n+1)＝ηδ_i，j+w_i，j(n)；

其中：η為學習因子，0＜η＜1；n為學習次數(shù)；δ_i，j表示誤差對權(quán)值w_i，j的負梯度；

權(quán)值T_j，k的計算公式為：

其中：η為學習因子，0＜η＜1；n為學習次數(shù)；表示誤差對T_j，k的負梯度；

閾值θ_i的計算公式為：θ_i(n+1)＝ηδ_i+θ_i(n)；

其中：η為學習因子，0＜η＜1；n為學習次數(shù)；δ_i表示誤差對閾值θ_i的負梯度；

閾值θ_k的計算公式為：θ_k(n+1)＝ηδ_k+θ_k(n)；

其中：η為學習因子，0＜η＜1；n為學習次數(shù)；δ_k表示誤差對閾值θ_k的負梯度；

(3)、將(2)中確定的權(quán)值和閾值作為預(yù)測數(shù)據(jù)的權(quán)值和閾值代入(1)中進行計算，得到預(yù)測高頻風速數(shù)據(jù)D^f。