[發明專利]基于非參數核密度估計與數值天氣預報的風速預測方法

在審

• 申請號: 201710156943.7
• 申請日: 2017-03-16
• 公開（公告）號: CN106971032A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 穆云飛;劉曉楠;王明深;賈宏杰;王彤;馮煒;袁曉冬;李強;王俊輝;鐘旭;宋飛;韋徵;徐燁;柳丹;呂振華
• 申請（專利權）人: 天津大學;南京南瑞集團公司;江蘇省電力公司電力科學研究院
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01W1/00
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 李麗萍

1.一種基于非參數核密度估計與數值天氣預報的風速預測方法，包括以下步驟：

步驟一、設定數據集紀錄的均是以每小時為間隔的風速數據，針對風電場的風速歷史數據使用Chebyshev神經網絡模型對r天每小時風速進行預測，得到24×r個風速預測點的Chebyshev神經網絡預測值；

步驟二、設定s為離當前最近的風速預測天數，利用離當前最遠的r‐s天的每小時實際風速值與由步驟一獲得的神經網絡所預測的r天的每小時風速之差，獲得風速預測偏差值，得到由24×(r‐s)個風速偏差值構成的風速預測偏差序列；

步驟三、利用隨機游程檢驗方法對步驟二獲得的風速預測偏差序列進行平穩性檢驗，如為非平穩序列，則循環執行差分法來平穩化序列，直至該序列通過平穩性檢驗；

步驟四、使用N‐W非參數核密度估計方法對進行估計，非參數核密度表達式如下：

$\begin{array}{c}{\hat{m}}_{N-W}\left(x\right)=E\left(x_k\right)\\ =\∫x_{k}f\left(x_k\right|\[x_1,x_2,\mathrm{...},x_{k-1}\]){\mathrm{dx}}_k\\ =\frac{\∫x_{k}f\left(x_k\right){\mathrm{dx}}_k}{\∫f\left(x_k\right){\mathrm{dx}}_k}\\ =\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left\{x_k\exp (-\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}\frac{{(x_j-y_{ji})}^2}{2b_{ji}^2})\right\}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left\{\exp (-\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}\frac{(x_j-y_{ji})}{2b_{ji}^2})\right\}}\end{array}---\left(1\right)$

式(1)中，f(·)稱為核函數；k為風速預測偏差樣本的維度，b_ji為第i個樣本第j個風速預測偏差變量的平滑系數；核函數f(·)采用標準高斯核函數，維數k利用最終預測誤差法確定，平滑系數b_ji通過交叉驗證法確定；

利用步驟三中獲得的平穩化之后的風速預測偏差序列，建立估計樣本X_k,i＝[y_1i,y_2i,…y_ki]^T,i＝1,2…,n，利用最終預測誤差法確定非參數核密度估計樣本維數k，從而建立非參數核密度估計樣本，非參數核密度估計樣本的個數為n＝24×(r‐s)‐(k‐1)；

步驟五、利用步驟四中得到的非參數核密度估計樣本，利用交叉驗證法確定每個非參數核密度估計樣本i的平滑系數b_ji的數值，并利用公式(1)對s天內風速預測偏差進行修正，從而得到24×s個時刻的風速預測偏差估計值

步驟六、結合風電場的數值天氣預報判斷s天內風速突變拐點的位置，對于風速突變拐點的風速預測值取步驟一得到的Chebyshev神經網絡預測值，對于非風速突變拐點的風速預測值利用步驟五得到的風速預測偏差估計值進行風速預測值修正。

2.根據權利要求1所述基于非參數核密度估計與數值天氣預報的風速預測方法，其特征在于，s不大于10％的r。