[發(fā)明專利]一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201410781092.1
• 申請日: 2014-12-16
• 公開（公告）號: CN104657584A
• 公開（公告）日: 2015-05-27
• 發(fā)明（設(shè)計(jì)）人: 張亞剛;楊京云;王康成;王增平
• 申請（專利權(quán)）人: 華北電力大學(xué)（保定）
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 石家莊冀科專利商標(biāo)事務(wù)所有限公司 13108
• 代理人: 李羨民;高錫明

1.一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法，其特征是，所述方法是在利用小波神經(jīng)網(wǎng)絡(luò)（WNN）模型對風(fēng)速進(jìn)行預(yù)測的基礎(chǔ)之上，引入Lorenz大氣對流系統(tǒng)對預(yù)測結(jié)果進(jìn)行干擾修正，達(dá)到提高風(fēng)能預(yù)測精度的目的，所述方法包括以下步驟：

a.采集整理原始數(shù)據(jù)，包括風(fēng)速????????????????????????????????????????????????、風(fēng)向、氣溫、氣壓、比容、比濕和地表粗糙度，并將原始數(shù)據(jù)分為訓(xùn)練集和測試集；

b.將時刻的風(fēng)速、風(fēng)向、氣溫、氣壓、比容、比濕和地表粗糙度作為輸入變量，將時刻的風(fēng)速作為輸出變量，分別用各月的訓(xùn)練集數(shù)據(jù)對小波神經(jīng)網(wǎng)絡(luò)（WNN）模型進(jìn)行訓(xùn)練；

c.用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)（WNN）模型對當(dāng)月測試集數(shù)據(jù)進(jìn)行預(yù)測；

d.給定初值條件和參數(shù)取值，數(shù)值求解Lorenz方程，將Lorenz方程的解視為大氣擾動序列，并對此序列進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，獲得沒有量綱的標(biāo)準(zhǔn)化擾動數(shù)據(jù)；

e.計(jì)算標(biāo)準(zhǔn)化擾動數(shù)據(jù)與初始狀態(tài)的馬氏距離，得到Lorenz綜合擾動數(shù)據(jù)；

f.利用Lorenz綜合擾動數(shù)據(jù)對小波神經(jīng)網(wǎng)絡(luò)（WNN）模型對測試集數(shù)據(jù)的預(yù)測結(jié)果進(jìn)行加權(quán)干擾修正，并通過LSWNN模型，以實(shí)現(xiàn)風(fēng)速實(shí)際值和修正預(yù)測值間的均方根誤差最小為目標(biāo)對Lorenz綜合擾動數(shù)據(jù)的權(quán)重進(jìn)行優(yōu)化，得到考慮大氣系統(tǒng)非線性運(yùn)動特征的WNN風(fēng)速預(yù)測模型；

g.利用考慮大氣系統(tǒng)非線性運(yùn)動特征的WNN風(fēng)速預(yù)測模型對未知風(fēng)速進(jìn)行預(yù)測；

h.利用誤差指標(biāo)分別對小波神經(jīng)網(wǎng)絡(luò)（WNN）模型和LSWNN模型的預(yù)測水平進(jìn)行評定。

2.根據(jù)權(quán)利要求1所述的一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法，其特征是，所述原始數(shù)據(jù)的采集整理方法如下：

首先采集風(fēng)電場在2月、5月、8月和11月中，每隔10分鐘觀測的風(fēng)速、風(fēng)向數(shù)據(jù)以及每天四次觀測的氣溫、氣壓、比容、比濕、地表粗糙度數(shù)據(jù)，然后對氣溫、氣壓、比容、比濕、地表粗糙度數(shù)據(jù)進(jìn)行Lagrange三次樣條插值，使其樣本容量與風(fēng)速和風(fēng)向樣本容量保持一致，所采用的三次樣條函數(shù)為：

???；

?????????；

其中，及為樣條函數(shù)的系數(shù)，通過以下個約束條件計(jì)算求解：

；

其中，；

。

3.根據(jù)權(quán)利要求1或2所述的一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法，其特征是，與2月、5月、8月和11月的原始數(shù)據(jù)所對應(yīng)的小波神經(jīng)網(wǎng)絡(luò)（WNN）模型中的隱層節(jié)點(diǎn)數(shù)分別為8、10、10、10。

4.根據(jù)權(quán)利要求3所述的一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法，其特征是，誤差指標(biāo)用于對預(yù)測模型性能的定量分析和評定，誤差越小表示模型的預(yù)測能力越強(qiáng)，同時預(yù)測結(jié)果的精度越高；

采用誤差度量標(biāo)準(zhǔn)：平均絕對誤差（MAE）和均方根誤差（RMSE），它們的表達(dá)式分別為：

；

?；

其中分別表示時刻風(fēng)速的觀測值和預(yù)測值，表示預(yù)測樣本數(shù)；

小波神經(jīng)網(wǎng)絡(luò)（WNN）模型和LSWNN模型的預(yù)測結(jié)果分別記為和，相應(yīng)的風(fēng)速樣本數(shù)據(jù)為，分別將以上數(shù)據(jù)帶入兩個誤差公式計(jì)算其結(jié)果，分別得到小波神經(jīng)網(wǎng)絡(luò)（WNN）模型的誤差結(jié)果和LSWNN模型的誤差結(jié)果，由此可分析比較兩個模型的精度。

5.根據(jù)權(quán)利要求4所述的一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法，其特征是，所述Lorenz方程由下式給出

?????；

式中與對流運(yùn)動的強(qiáng)度成正比，與對流時上升與下降流體的水平方向溫差成正比，與對流引起的垂直方向溫差對無對流平衡態(tài)的偏離程度成正比，、和都是無量綱的正參數(shù)，取值分別為，方程的初始條件取為；

對方程的解進(jìn)行準(zhǔn)化處理時所采用的數(shù)據(jù)標(biāo)準(zhǔn)化公式為：

；

其中分別代表Lorenz方程中三個變量的數(shù)值解，為數(shù)值解的個數(shù)，和分別代表變量的均值和標(biāo)準(zhǔn)差。

6.根據(jù)權(quán)利要求5所述的一種基于Lorenz系統(tǒng)的風(fēng)速預(yù)測方法，其特征是，所述馬氏距離定義為：

；

其中，表示第時刻的湍流運(yùn)動狀態(tài)，表示預(yù)測樣本數(shù)，表示無對流時的平衡態(tài)，表示矩陣的協(xié)方差矩陣，矩陣由下式給出

。