[發(fā)明專利]基于聯(lián)想神經(jīng)網(wǎng)絡(luò)的風速序列預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201610255135.1
• 申請日: 2016-04-20
• 公開（公告）號: CN105976026B
• 公開（公告）日: 2018-04-03
• 發(fā)明（設(shè)計）人: 修春波;臧亞坤
• 申請（專利權(quán)）人: 天津工業(yè)大學(xué)
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于時間序列預(yù)測分析領(lǐng)域，涉及一種用于風速時間序列預(yù)測的方法，特別涉及一種基于聯(lián)想神經(jīng)網(wǎng)絡(luò)的風速序列預(yù)測方法。

背景技術(shù)

風能作為一種清潔能源，是目前世界上各國大力發(fā)展的新能源之一。而風力發(fā)電又是利用風能的最佳途徑之一。但風電并網(wǎng)的技術(shù)問題一直制約著風電的發(fā)展和利用。這是由于自然界的風具有較強的隨機性和波動性，因此風電在并網(wǎng)過程中會對電力系統(tǒng)產(chǎn)生較大的沖擊。解決該問題的有效途徑之一就是對風速進行有效的短期預(yù)測，并通過優(yōu)化調(diào)度等方式緩解風電對電網(wǎng)的沖擊。目前，風電場每天都要對風速序列進行短期預(yù)測，以保證風電的質(zhì)量。

由于氣象系統(tǒng)具有復(fù)雜的非線性特點，風速序列雖然具有可預(yù)測性，但準確的預(yù)測卻具有較大的難度。目前的風速數(shù)據(jù)預(yù)測的誤差甚至高達25％-40％，因此開展有效的風速預(yù)測研究具有重要的理論意義和應(yīng)用價值。

由于數(shù)值氣象預(yù)報模型很難獲取，因此基于歷史數(shù)據(jù)的風速預(yù)測研究具有更現(xiàn)實的應(yīng)用前景。基于歷史數(shù)據(jù)的風速預(yù)測的實質(zhì)是試圖利用各種理論和方法，挖掘出風速歷史數(shù)據(jù)中蘊含的各種關(guān)聯(lián)信息，再利用這些關(guān)聯(lián)信息實現(xiàn)對未來風速的有效預(yù)測。實際風電場中常用的方法有持續(xù)預(yù)測法、時間序列分析方法、神經(jīng)網(wǎng)絡(luò)方法、卡爾曼濾波方法等等。這些方法試圖根據(jù)歷史數(shù)據(jù)的關(guān)聯(lián)性建立風速序列的數(shù)學(xué)模型或者預(yù)測模型。但風速數(shù)據(jù)在不同時段可能會表現(xiàn)出不同的性質(zhì)，其內(nèi)在規(guī)律也會發(fā)生變化，因此，隨著時間的推移，采用單一不變的模型進行預(yù)測分析會降低預(yù)測結(jié)果的可靠性。

現(xiàn)有研究表明，風速具有復(fù)雜的非線性特性，并且往往會表現(xiàn)出混沌特性。風速數(shù)據(jù)的混沌特性可通過計算風速序列的Lyapunov指數(shù)進行判斷。由于混沌系統(tǒng)的相空間具有分形結(jié)構(gòu)，表現(xiàn)出自相似性，因此具有混沌特性的風速序列一般也具有分數(shù)維和自相似的特點。

因此，從風速數(shù)據(jù)自身特性入手，針對具有混沌特性的風速序列，挖掘風速數(shù)據(jù)蘊含的相似性關(guān)聯(lián)信息，設(shè)計一種簡單有效地風速序列預(yù)測方法具有很好的應(yīng)用價值。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，從風速數(shù)據(jù)自身特性入手，針對具有混沌特性的風速序列，挖掘風速數(shù)據(jù)蘊含的相似性關(guān)聯(lián)信息，構(gòu)造出風速的相似模式，設(shè)計一種基于聯(lián)想網(wǎng)絡(luò)的風速序列的預(yù)測方法。

本發(fā)明所采用的技術(shù)方案是：一種基于聯(lián)想神經(jīng)網(wǎng)絡(luò)的風速序列預(yù)測方法，針對具有混沌特性的風速序列，構(gòu)造了一種用于風速序列預(yù)測的聯(lián)想網(wǎng)絡(luò)。以風速序列的波動性作為相似性測度準則，構(gòu)造聯(lián)想網(wǎng)絡(luò)的存儲樣本模式，根據(jù)存儲模式中蘊含的關(guān)聯(lián)信息完成網(wǎng)絡(luò)的學(xué)習，從而完成具有自相似性的風速序列的一步和多步預(yù)測分析。

本發(fā)明的目的在于建立預(yù)測機理明確，預(yù)測結(jié)果唯一，且可一次給出多步預(yù)測結(jié)果的風速序列預(yù)測方法，具有很好的實用性。

附圖說明

圖1是聯(lián)想預(yù)測網(wǎng)絡(luò)結(jié)構(gòu)圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步詳細說明。

風速序列往往具有復(fù)雜的動力學(xué)特性，可利用混沌理論對其開展動力學(xué)特性分析，并判斷其是否具有混沌特性。

風速序列的混沌特性可結(jié)合相空間重構(gòu)理論計算其Lyapunov指數(shù)進行判斷。時間序列的相空間重構(gòu)理論是通過重構(gòu)相空間將時間序列中蘊含的混沌特性在高維空間中顯示出來。設(shè)風速時間序列為{x(t)，t＝1，2，...}，其重構(gòu)的相空間可表示為：

Y(t)＝{x(t)，x(t+τ)，...，x(t+(m-1)τ)}，t＝1，2，... (1)

其中，m為嵌入維數(shù)，τ為延遲時間，x(t)為t時刻的風速值，x(t+τ)為t+τ時刻的風速值，x(t+(m-1)τ)為t+(m-1)τ時刻的風速值，Y(t)為重構(gòu)相空間中的t時刻的狀態(tài)向量。利用構(gòu)造好的相空間可計算時間序列的Lyapunov指數(shù)，當Lyapunov指數(shù)大于0時，可判斷該序列具有混沌特性。

根據(jù)混沌理論，混沌系統(tǒng)的相空間軌跡往往具有分形結(jié)構(gòu)。時間序列的分形維數(shù)可通過計算Hurst指數(shù)進行求取。Hurst指數(shù)可采用R/S分析方法進行計算，設(shè)時間區(qū)域為T，時間序列(x_t|t＝1，2，...}的均值為μ_T，累積極差R(T)和標準差S(T)計算如下：

則

式中，H為Hurst指數(shù)，R/S為重標極差，c為與T無關(guān)的正值常數(shù)。

H體現(xiàn)了統(tǒng)計分形的自相似性以及自相似程度，與時間序列的分維D有線性關(guān)系D＝2-H。