[發明專利]一種短期風速預測方法

在審

• 申請號: 201710028365.9
• 申請日: 2017-01-16
• 公開（公告）號: CN106875041A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 肖建華;陳冬灃;盧丹;黃慶仕
• 申請（專利權）人: 廣東電網有限責任公司揭陽供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 廣州知友專利商標代理有限公司44104
• 代理人: 周克佑

1.一種短期風速預測方法，其特征在于包括以下步驟：

S1、獲取原始風速時間序列，根據局域均值分解對原始風速時間序列進行分解，得到多個PF分量和一個余量；

S2、對每個PF分量和余量構建各自訓練數據集和測試數據集；

S3、對每個PF分量和余量分別建立改進粒子群算法優化神經網絡的風速預測模型；

S4、將訓練數據集中全部PF分量和余量的訓練樣本逐一輸入改進粒子群算法優化神經網絡的風速預測模型進行訓練，針對不同PF分量設定數據輸入維數學習反饋機制，得到各自對應的風速預測子模型；

S5、將測試數據集輸入到各自對應的風速預測子模型進行預測，得到每個風速預測子模型的預測輸出值；

S6、將每個風速預測子模型的預測輸出值進行疊加處理，得到最終的風速預測結果。

2.根據權利要求1所述的短期風速預測方法，其特征在于：所述步驟S1中由局域均值分解對原始風速時間序列分解的具體步驟為：

1)找出原始信號x(t)所有的局部極值點n_i，求出所有相鄰的局部極值點的平均值：

$m_i=\frac{n_i+n_{i+1}}{2};$

式中：i代表局部極值點的個數，原始信號x(t)代表風速信號，t代表風速信號數據個數；

將所有相鄰的平均值點m_i用直線連接起來，然后用滑動平均法進行平滑處理，得到局部均值函數m₁₁(t)；

2)求出包絡估計值點a_i：

$a_i=\frac{|n_i-n_{i+1}|}{2};$

將所有相鄰的估計值點a_i用直線連接起來，然后用滑動平均法進行平滑處理，得到包絡估計函數a₁₁(t)；

3)將局部均值函數m₁₁(t)從原始信號x(t)中分離出來，得到：

h₁₁(t)＝x(t)-m₁₁(t)；h₁₁(t)代表第一次分離計算得到的余量函數；

4)用h₁₁(t)除以包絡估計函數a₁₁(t)，以對h₁₁(t)進行解調，得到：

s₁₁(t)＝h₁₁(t)/a₁₁(t)；s₁₁(t)代表第一次解調后的調頻信號。

對s₁₁(t)重復步驟1)-2)，得到s₁₁(t)的包絡估計函數a₁₂(t)；

假如a₁₂(t)不等于1，說明s₁₁(t)不是一個純調頻信號，需重復上述步驟1)-4)n次，直至s_1n(t)為一個純調頻信號，也就是s_1n(t)的包絡估計函數a_1(n+1)(t)＝1，所以有：

$\left\{\begin{array}{c}{h}_{11}\left(t\right)=x\left(t\right)-m_{11}\left(t\right)\\ h_{12}\left(t\right)=s_{11}\left(t\right)-m_{12}\left(t\right)\\ .\\ .\\ .\\ h_{1n}\left(t\right)=s_{1(n-1)}\left(t\right)-m_{1n}\left(t\right)\end{array}\right.$

式中，

h₁₁(t),h₁₂(t),…,h_1n(t)代表從第1次計算到第n次計算得到的n個余量函數；m₁₁(t),m₁₂(t),…,m_1n(t)代表第1次計算到第n次計算得到的n個局部均值函數；s₁₁(t),s₁₂(t),…,s_1n(t)代表第1次計算到第n次計算得到的n個調頻信號；a₁₁(t),a₁₂(t),…,a_1n(t)代表第1次計算到第n次計算得到的n個包絡估計函數。

迭代終止條件為：

$\underset{n\→\mathrm{\∞}}{\lim }{a}_{1n}\left(t\right)=1;$

式中，a_1n(t)為第n次計算得到的包絡估計函數。

實際應用中，在不影響分解效果的前提下，為了減少迭代次數，降低運算時間，可設置一個變量Δ，使得當滿足1-Δ≤a_1n(t)≤1+Δ時，終止迭代；

5)將迭代過程中所產生的全部包絡估計函數相乘，得到第一個分量的包絡信號(瞬時幅值函數)：

$a_1\left(t\right)=a_{11}\left(t\right)a_{12}\left(t\right)...a_{1n}\left(t\right)=\underset{q=1}{\overset{n}{\Π}}{a}_{1q}\left(t\right);$

式中，a_1q(t)代表第q次計算得到的包絡估計函數，q＝1,2,...,n。

6)將包絡信號a₁(t)和純調頻信號s_1n(t)相乘得：

PF₁(t)＝a₁(t)s_1n(t)；

式中，PF₁(t)為信號x(t)的第一個PF分量，包含了原始信號的最高頻成分，是一個單分量的調幅-調頻信號，瞬時頻率f₁(t)由調頻信號s_1n(t)求出：

$f_1\left(t\right)=\frac{1}{2\mathrm{\π}}\frac{d\left(\arccos s_{1n}\right(t))}{dt};$

從原始信號x(t)中將第一個PF分量PF₁(t)分離出來，得到剩余信號u₁(t)，由于剩余信號u₁(t)中還包含較多頻率成分，因此將u₁(t)作為原始數據重復上述步驟1)到6)k次對其進行分解，得到第二個PF分量，重復這個過程直到u_k(t)為一個單調函數(單調遞增或單調遞減函數)為止；如此得到一定數量的PF分量：

$\left\{\begin{array}{c}{u}_1\left(t\right)=x\left(t\right)-{\mathrm{PF}}_1\left(t\right)\\ u_2\left(t\right)=u_1\left(t\right)-{\mathrm{PF}}_2\left(t\right)\\ .\\ .\\ .\\ u_k\left(t\right)=u_{k-1}\left(t\right)-{\mathrm{PF}}_k\left(t\right)\end{array}\right.;$

式中，u₁(t),u₂(t),…,u_n(t)為第1次到第k次分解計算得到的k個剩余信號；PF₁(t),PF₂(t),…,PF_k(t)為第1次到第k次分解計算得到的k個PF分量。

最終信號x(t)表示為k個PF分量和余量之和：

$x\left(t\right)=\underset{p=1}{\overset{k}{\Σ}}{\mathrm{PF}}_p\left(t\right)+u_k\left(t\right);$

式中，PF_p(t)為第p個PF分量，p＝1,2,...,k；u_k(t)為殘余函數，代表信號的平均趨勢。