[發(fā)明專利]基于小波分解和二階灰色神經(jīng)網(wǎng)絡的短期風速預測方法

在審

• 申請?zhí)枺?/td>: 201611003554.2
• 申請日: 2016-11-15
• 公開（公告）號: CN106779139A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設計）人: 李博文;張靖;何宇
• 申請（專利權(quán)）人: 貴州大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 貴陽中新專利商標事務所52100
• 代理人: 吳無懼

技術(shù)領(lǐng)域

本發(fā)明屬于風速預測技術(shù)，尤其涉及一種基于小波分解和二階灰色神經(jīng)網(wǎng)絡的短期風速預測方法。

背景技術(shù)

隨著全世界能源與環(huán)境問題的逐漸突出，對可再生能源的研究和利用成為學術(shù)界和工業(yè)界廣泛關(guān)注的熱點問題。而風力發(fā)電作為安全可靠、無污染、不需消耗燃料、可并網(wǎng)運行的重要可再生能源之一，近年來在全世界范圍內(nèi)得到了突飛猛進的發(fā)展。但是風速具有隨機性，間歇性和不確定性。準確的預測結(jié)果有利于解決風電輸出功率控制、含新能源的電網(wǎng)安全經(jīng)濟調(diào)度以及開放電力市場環(huán)境下風電競價交易等問題。

目前適合用于風速短期預測的方法有很多，具體又包含以下幾種方法：持續(xù)法、時間序列法、卡爾漫濾波法(Kalman filters)、空間相關(guān)法、支持向量機、神經(jīng)網(wǎng)絡法(ANN)和GM(灰色模型)等；但是現(xiàn)有技術(shù)的這些方法都是直接對風速做預測，難以克服風速的波動性和不確定性，使得預測精度低，準確性較差。

本發(fā)明要解決的技術(shù)問題是：提供一種基于小波分解和二階灰色神經(jīng)網(wǎng)絡的短期風速預測方法，以解決現(xiàn)有技術(shù)中直接對風速進行預測，難以克服風速的波動性和不確定性，使得預測精度低，準確性較差等技術(shù)問題。

本發(fā)明技術(shù)方案：

一種基于小波分解和二階灰色神經(jīng)網(wǎng)絡的短期風速預測方法，它包括：

步驟1、對歷史風速序列進行小波分解與重構(gòu)；

步驟2、建立基于二階灰色理論的風速預測模型；

步驟3、利用神經(jīng)網(wǎng)絡算法優(yōu)化灰色風速預測模型；

步驟4、將歷史風速序列進行小波分解與重構(gòu)后的各分量作為輸入逐一投入優(yōu)化后的灰色風速預測模型進行預測得到各分量預測結(jié)果；

步驟5、獲取風速預測值。

它還包括：

步驟6、計算誤差指標，對風速預測進行評估；

步驟7、輸出風速預測值和誤差指標。

步驟1所述對歷史風速序列進行小波分解與重構(gòu)，其重構(gòu)后的原始序列表達式為：

X＝D1+D2+D3+D4+D5+A5

式中：X為原始序列，D1、D2、D3、D4、D5分別為第一層至第五層重構(gòu)后的高頻信號，A5為第五層重構(gòu)的低頻信號；

原始序列X的第i個元素表示為：

X(i)＝D1(i)+D2(i)+D3(i)+D4(i)+D5(i)+A5(i)

式中：D1(i)、D2(i)、D3(i)、D4(i)、D5(i)分別為X中的第i個元素的第一層至第五層重構(gòu)后的高頻信號，A5(i)為X中的第i個元素的第五層重構(gòu)的低頻信號。

步驟2所述建立基于二階灰色理論的風速預測模型的方法包括：

步驟2.1、將步驟1小波分解和重構(gòu)后的分量D1(i)、D2(i)、D3(i)、D4(i)、D5(i)和A5(i)分別作為風速預測模型中的輸入序列X⁽⁰⁾，進行累加生成操作對此序列作一級疊加得到新序列

X⁽¹⁾＝[x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n)]

式中：

步驟2.2、建立二階灰色風速預測模型的微分方程如下：

得到方程解為：

式(5)為預測值的解析表達式，式中λ₁，λ₂為特征方程λ²+a₁λ+a₂＝0的特征根，參數(shù)a₁，a₂，b用最小二乘估計得到初值，其計算公式為：

式中

z⁽¹⁾(k)＝0.5x⁽¹⁾(k)+0.5x⁽¹⁾(k-1)

k＝2,3,…,n

而參數(shù)C₁和C₂則是通過求解方程而得。利用一階差商代替積分項，即：

對(4)式兩邊求導有：

將式(7)帶入式(6)有：

聯(lián)立式(4)和式(8)就可求出參數(shù)C₁和C₂。

步驟2.3、進行累減生成操作，確定風速預測模型：

x⁽⁰⁾(t)＝x⁽¹⁾(t)-x⁽¹⁾(t-1)