[發(fā)明專利]一種高斯過(guò)程回歸和粒子濾波的短期風(fēng)速預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710513662.2
• 申請(qǐng)日: 2017-06-29
• 公開(kāi)（公告）號(hào): CN107765347B
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 孫國(guó)強(qiáng);梁智;衛(wèi)志農(nóng);臧海祥;周亦洲;陳霜
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G01W1/10
• 分類號(hào): G01W1/10
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 劉淵

1.一種高斯過(guò)程回歸和粒子濾波的短期風(fēng)速預(yù)測(cè)方法，其特征在于：包括以下步驟：

(1)獲取電力系統(tǒng)短期風(fēng)速預(yù)測(cè)所需的基本數(shù)據(jù)，并對(duì)原始風(fēng)速時(shí)間序列進(jìn)行零均值化處理；

(2)采用偏自相關(guān)函數(shù)確定與待預(yù)測(cè)時(shí)刻風(fēng)速值相關(guān)性最大的輸入變量集合，確定狀態(tài)向量并以歷史實(shí)測(cè)風(fēng)速值構(gòu)建訓(xùn)練樣本集合；

(3)在訓(xùn)練樣本集合中建立高斯過(guò)程回歸短期風(fēng)速預(yù)測(cè)模型，并給出訓(xùn)練過(guò)程擬合殘差；

(4)結(jié)合狀態(tài)向量和高斯過(guò)程回歸模型，建立粒子濾波狀態(tài)空間方程，采用粒子濾波算法對(duì)當(dāng)前量測(cè)值進(jìn)行狀態(tài)估計(jì)；

(5)對(duì)粒子濾波的估計(jì)值和量測(cè)值殘差進(jìn)行分析，并根據(jù)“3σ”原則判斷并修正異常值；

(6)對(duì)清洗后的風(fēng)速序列重新建立高斯過(guò)程回歸預(yù)測(cè)模型，在進(jìn)行提前15分鐘風(fēng)速預(yù)測(cè)時(shí)，同樣采用粒子濾波算法對(duì)最新量測(cè)值進(jìn)行狀態(tài)估計(jì)，實(shí)現(xiàn)異常值在線檢測(cè)并修正。

2.如權(quán)利要求1所述的高斯過(guò)程回歸和粒子濾波的短期風(fēng)速預(yù)測(cè)方法，其特征在于：步驟(1)中對(duì)原始風(fēng)速時(shí)間序列進(jìn)行零均值化處理，所述零均值化公式為：

式中：x(t)為原始風(fēng)速時(shí)間序列，為序列x(t)的平均值。

3.如權(quán)利要求1所述的高斯過(guò)程回歸和粒子濾波的短期風(fēng)速預(yù)測(cè)方法，其特征在于：步驟(2)采用偏自相關(guān)函數(shù)確定與待預(yù)測(cè)時(shí)刻風(fēng)速值相關(guān)性最大的輸入變量集合，并確定狀態(tài)向量與構(gòu)建合適的訓(xùn)練樣本集合，所述偏自相關(guān)函數(shù)計(jì)算方法為：

3.1假設(shè)x_i是輸出變量，當(dāng)滯后階數(shù)為k時(shí)，偏自相關(guān)系數(shù)值在95％置信區(qū)間內(nèi)，則x_i-k可以作為其中一個(gè)輸入向量，如果所有偏自相關(guān)系數(shù)值在95％置信區(qū)間內(nèi)，則認(rèn)為x_i-1是輸入變量；

3.2對(duì)于時(shí)間序列{x₁,x₂,L,x_n}，滯后階數(shù)為k時(shí)的協(xié)方差定義為γ_k，計(jì)算公式如下：

式中：k＝0,1,2,L,M，是時(shí)間序列的均值；M＝n/4是最大滯后階數(shù)；

3.3滯后階數(shù)為k的自相關(guān)函數(shù)定義為ρ_k：

式中：為滯后階數(shù)k＝0時(shí)的協(xié)方差；

則滯后階數(shù)為k時(shí)的PACF定義為α_kk：

式中：k＝1,2,L,M。