[發明專利]一種風電場風速智能預測方法

有效

• 申請號: 201210036118.0
• 申請日: 2012-02-17
• 公開（公告）號: CN102609766A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 劉輝;田紅旗;潘迪夫;許平;高廣軍;李燕飛;王中鋼
• 申請（專利權）人: 中南大學
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 長沙丁卯專利代理事務所(普通合伙) 43211
• 代理人: 陳書誠

1.一種風電場風速智能預測方法，所述方法的步驟包括數據采集與輸入（1）、數據序列分層（2）、建立數學模型（3）、預測綜合計算（4）和預測結果輸出（5），所述預測綜合計算（4）是對數學模型中的數據進行加權計算；其特征在于：所述數據序列分層（2）是采用小波包分解法，將原始非平穩風速分解成至少為兩個的趨于平穩的風速數據輸出，風速數據輸出的個數就定義為風速的序列層數；所述建立數學模型（3），是對風速的序列層數中每層數據單獨進行處理，首先按照事先的設定，判定當前數據為高頻序列層（9）還是低頻序列層（6），如果當前數據屬于高頻序列層（9），則進行以下處理：建立BP神經網絡模型（10）、高頻數據計算（11），然后進入數據棧（12）；如果當前數據屬于低頻序列層（6），則進行以下處理：建立時間序列模型（7）、低頻數據計算（8），然后進入數據棧（12）；當所有數據全部到達數據棧（12）后，數據棧（12）中的所有數據才進入預測綜合計算（4）步驟進行加權計算，最后執行預測結果輸出（5）。

2.根據權利要求1所述的風電場風速智能預測方法，其特征在于：所述建立BP神經網絡模型（10）的步驟包括：

（1）、當前數據為高頻序列層（9）的確認；

（2）、數據歸一化處理；

（3）、BP神經網絡結構的確立；

（4）、BP神經網絡的訓練；

（5）、BP神經網絡的預測輸出的確定；

（6）、BP神經網絡模型的計算及其輸出。

3.根據權利要求1或2所述的風電場風速智能預測方法，其特征在于：所述建立時間序列模型（7）的步驟包括：

（1）、當前數據為低頻序列層（6）的確認；

（2）、時間序列模型類別辨識；

（3）、時間序列模型階次確定；

（4）、時間序列模型參數確定；

（5）、時間序列模型的計算及其輸出。

4.根據權利要求3所述的風電場風速智能預測方法，其特征在于：所述時間序列模型參數確定過程中，引入了能夠提高傳統時間序列模型的泛化能力的支持向量機法，即：將時間序列模型的方程作為支持向量機的結構，按照支持向量機的結構風險最小化原則來確定時間序列模型的參數值，然后將所得的參數值代入時間序列模型的方程進行預測計算。