[發明專利]基于天氣模式的風電場短期風速預測方法

有效

• 申請號: 201310218741.2
• 申請日: 2013-06-04
• 公開（公告）號: CN103258142A
• 公開（公告）日: 2013-08-21
• 發明（設計）人: 蘇鵬宇;于達仁;胡清華;萬杰;劉金福
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

1.基于天氣模式的風電場短期風速預測方法，其特征在于它是通過以下步驟實現的：

步驟一、對每一個風速樣本點進行特征表達；

步驟二、使用GPCA算法對特征空間進行子空間分割，將每一樣本點投影到對應的子空間中；

步驟三、在每一個子空間中，對子空間中的樣本點建立一個支持向量機預測模型；

步驟四、根據當前時刻樣本點對每一個子空間的隸屬度，進行集成預測，給出預測結果。

2.如權利要求1所述的基于天氣模式的風電場短期風速預測方法，其特征在于步驟一的具體過程為：

1）：根據當前時刻點與之前的k個歷史風速值，以及這k個風速值之間的差分項，構成當前樣本點的特征表達，構造形式如下：

x_t=[w(t),w(t-1),…,w(t-k+1),△w(t),△w(t-1),…,△w(t-k+2)]；式中，x_t代表t時刻的特征向量，w(t)表示t時刻的風速值,△w(t)表示風速的差分項,即△w(t)=w(t)-w(t-1);由上式可知，x_t的維數為2k-1維，記d₁=2k-1；

2）：確定樣本構成后，需要對各物理分量進行歸一化操作，歸一化采用最大最小歸一化：

nxt=xt-xminxmax-xmin;]]>

其中nx_t表示歸一化后的t時刻的特征向量，x_min表示處理過的由最小值構成的向量，即x_min的每一維，在歷史樣本點中都是最小的，以這樣一種方式構建出的向量x_min；x_max表示處理過的由最大值構成的向量，即x_max的每一維，在歷史樣本點中都是最大的，以這樣一種方式構建出的向量x_max；

3）：使用主成分分析法對歸一化后的樣本點nx_t,t=1:N即共N個歷史特征樣本進行降維，其具體實現過程如下：

首先，構建歷史樣本集X(N×d₁)，即矩陣X的每一行表示一個特征樣本點，行數為N；列數表示每個特征樣本特征的維數，共d₁維；寫成矩陣的形式具體如下：

然后對矩陣X進行標準化處理，即對每一維特征進行標準化處理；

X‾i,j=Xi,j-mean(Xj)Sj]]>

mean(Xj)=1NΣiNXi,j]]>

Sj=1N-1ΣiN(Xi,j-mean(Xj))2]]>

這樣就得到了標準化后的矩陣其中X_i,j表示矩陣的第i行j列的元素，mean(X_j)表示矩陣第j列元素的平均值，S_j是第j列的標準差；

計算樣本矩陣的相關系數矩陣R，

R=1N-1X‾T·X‾]]>

計算R的特征值λ₁，λ₂…λ_e,以及相應的特征向量α₁,α₂,…,α_e,其中e是矩陣R的維數；將特征值按降序排序λ’₁，λ’₂…λ’_e，得并到與之相對應調整的特征向量α₁',α'₂,…,α_e'；通過施密特正交化方法單位正交化特征向量，得到正交化后的特征向量b₁,b₂,…,b_e，計算特征值的累計貢獻率，提取d個主成分b₁,b₂,…,b_d，計算在特征向量上的投影，其中B=[b₁,b₂,…b_d],所得到的T即為降維以后的數據矩陣，N行d列，d為新矩陣特征的維數，將T的第i行記為tx_i。