[發(fā)明專(zhuān)利]一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解與改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)功率組合預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510307164.3
• 申請(qǐng)日: 2015-06-05
• 公開(kāi)（公告）號(hào): CN104899656A
• 公開(kāi)（公告）日: 2015-09-09
• 發(fā)明（設(shè)計(jì)）人: 楊楠;周崢;崔家展;徐嘉陽(yáng);汪昊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 三峽大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 宜昌市三峽專(zhuān)利事務(wù)所 42103
• 代理人: 吳思高

技術(shù)領(lǐng)域

本發(fā)明一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解與改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)功率組合預(yù)測(cè)方法，屬于風(fēng)功率預(yù)測(cè)技術(shù)領(lǐng)域。

背景技術(shù)

在能源問(wèn)題日益突出的今天，風(fēng)能作為一種分布廣的可再生能源受到人們的廣泛關(guān)注。隨著風(fēng)力發(fā)電技術(shù)的日漸成熟，風(fēng)電占電力系統(tǒng)發(fā)電總量的比例也逐漸增加。然而，風(fēng)能的隨機(jī)性和間歇性等特點(diǎn)對(duì)電能質(zhì)量和電網(wǎng)的安全、穩(wěn)定運(yùn)行造成了不良影響，而對(duì)風(fēng)功率進(jìn)行有效地預(yù)測(cè)是降低上述影響和系統(tǒng)的運(yùn)行成本，提高風(fēng)電穿透功率極限的有效手段，因此，研究風(fēng)電功率的短期預(yù)測(cè)方法具有重要的理論和實(shí)際意義。

風(fēng)功率的短期預(yù)測(cè)一般采用物理方法和統(tǒng)計(jì)方法。物理方法主要考慮天氣數(shù)據(jù)以及風(fēng)電機(jī)組的技術(shù)參數(shù)，尋求風(fēng)電機(jī)組輪毅高度處的風(fēng)速最優(yōu)估計(jì)值，最后根據(jù)風(fēng)電場(chǎng)的功率曲線計(jì)算得到風(fēng)電場(chǎng)的輸出功率，但是該方法過(guò)分依賴完善的數(shù)值天氣預(yù)報(bào)信息，因此工程實(shí)用性較低。統(tǒng)計(jì)方法不考慮風(fēng)速變化的物理過(guò)程，而是根據(jù)大量實(shí)測(cè)數(shù)據(jù)對(duì)風(fēng)電場(chǎng)輸出功率進(jìn)行預(yù)測(cè)。目前常用的統(tǒng)計(jì)學(xué)預(yù)測(cè)方法有持續(xù)法、時(shí)間序列法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法等。此類(lèi)統(tǒng)計(jì)方法對(duì)于提前幾小時(shí)的風(fēng)功率預(yù)測(cè)結(jié)果是可以滿足精度要求的，但對(duì)于提前更長(zhǎng)時(shí)間的預(yù)測(cè)結(jié)果，精度是不夠的。這些方法隨著風(fēng)電技術(shù)的深入暴露了難以克服的缺陷，如預(yù)測(cè)精度差，收斂速度慢，有局限性等缺點(diǎn)。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解與改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)功率組合預(yù)測(cè)方法，EEMD能將復(fù)雜的時(shí)間序列平穩(wěn)化，得到幾個(gè)本征模函數(shù)(intrinic?model?function,IMF)分量，并且每個(gè)分量之間相互獨(dú)立，同時(shí)，作為一種改進(jìn)的EMD方法，該方法將白噪聲序列添加到原始序列中,然后對(duì)其進(jìn)行多次EMD分解,將分解得到的多組IMF的均值作為其真實(shí)分量，從而避免了混沌重疊現(xiàn)象。

本發(fā)明采取的技術(shù)方案為：

一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解與改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)功率組合預(yù)測(cè)方法，包括以下步驟：

步驟1：數(shù)據(jù)的獲取和歸一化處理。本發(fā)明采用前幾個(gè)時(shí)刻的風(fēng)速數(shù)據(jù)或數(shù)值天氣預(yù)報(bào)信息作為輸入數(shù)據(jù)進(jìn)行訓(xùn)練，用于預(yù)測(cè)下一時(shí)刻的風(fēng)速。對(duì)得到的數(shù)據(jù)進(jìn)行歸一化處理：

xi‾=xi-xminxmax-xmin---(1)]]>

式中：是訓(xùn)練樣本T中的某個(gè)數(shù)據(jù)歸一化后的結(jié)果；x_max和x_min分別是訓(xùn)練樣本T中該組變量數(shù)據(jù)的最大值和最小值；

步驟2：總體平均經(jīng)驗(yàn)?zāi)B(tài)分解。將白噪聲序列添加到原始序列中,然后對(duì)其進(jìn)行多次EMD分解,將分解得到的多組IMF的均值作為其真實(shí)分量，從而避免了混沌重疊現(xiàn)象；

步驟3：Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定；

Elman神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)空間表達(dá)式為：

y(k)＝g(w³x(k)+b₂)????????(2)

x(k)＝f(w¹x_c(k)+w²(u(k-1))+b₁)????????(3)

x_c(k)＝x(k-1)??????????(4)