[發明專利]一種基于小數據量法的短期風速預測方法及系統

在審

• 申請號: 201710561951.X
• 申請日: 2017-07-11
• 公開（公告）號: CN107292447A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 褚景春;謝法;王曉丹;王千;姜德旭;杜雯;焦沖;陳文超;藺雪峰
• 申請（專利權）人: 國電聯合動力技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京方韜法業專利代理事務所11303
• 代理人: 朱麗華

1.一種基于小數據量法的短期風速預測方法，其特征在于，包括如下步驟：

S1：獲取預設長度的風速時間序列；

S2：利用自相關函數法計算獲取的風速時間序列的時間延遲；

S3：根據G-P算法和Taken定理計算所述風速時間序列的嵌入維數；

S4：根據所述風速時間序列的時間延遲和嵌入維數重構相空間；

S5：對所述重構的相空間的矩陣通過小數據量法計算所述風速時間序列的最大Lyapunov指數；

S6：基于所述最大Lyapunov指數建立所述風速時間序列的預測模型，利用所述預測模型對所述風速時間序列之后的短期風速進行預測。

2.根據權利要求1所述的基于小數據量法的短期風速預測方法，其特征在于，所述步驟S1中風速時間序列的形成方法為：采集風電場的風速數據，將采集的風速數據按照采集時間點的先后順序排列并形成風速時間序列。

3.根據權利要求2所述的基于小數據量法的短期風速預測方法，其特征在于，所述步驟S1中還包括采用單步平滑法對獲取的風速時間序列進行平滑處理的步驟。

4.根據權利要求1所述的基于小數據量法的短期風速預測方法，其特征在于，所述步驟S3具體包括：

S31：根據預設嵌入維數和時間延遲重構第一相空間；

S32：計算關聯積分；

S33：根據重構的第一相空間的領域半徑和計算得到的關聯積分，利用G-P算法計算飽和關聯維數；

S34：根據計算得到的飽和關聯維數，利用Taken定理計算風速時間序列的嵌入維數。

5.根據權利要求4所述的基于小數據量法的短期風速預測方法，其特征在于，所述步驟S33具體包括：

根據計算得到的關聯積分C(r)和重構的第一相空間的領域半徑r，計算對應于預設嵌入維數m₀＝1的關聯維數估計值d(m₀＝1)，所述關聯積分和第一相空間的領域半徑具有對數線性關系，具體表達式如下：

d(m0=1)=ln C(r,m0=1)ln r]]>

式中，m₀為預設嵌入維數，C(r,m₀＝1)為嵌入維數為m₀時的關聯積分，r為相空間的領域半徑；

增加預設嵌入維數，利用G-P算法計算飽和關聯維數。

6.一種基于小數據量法的短期風速預測系統，其特征在于，包括：

獲取模塊，用于獲取預設長度的風速時間序列；

時間延遲計算模塊，用于利用自相關函數法計算風速時間序列的時間延遲；

嵌入維數計算模塊，用于根據G-P算法和Taken定理計算風速時間序列的嵌入維數；

相空間重構模塊，用于根據風速時間序列的時間延遲和嵌入維數重構相空間；

Lyapunov指數計算模塊，用于對重構的相空間的矩陣通過小數據量法計算風速時間序列的最大Lyapunov指數；

預測模塊，用于基于最大Lyapunov指數建立風速時間序列的預測模型，利用所述預測模型對所述風速時間序列之后的短期風速進行預測。

7.根據權利要求6所述的基于小數據量法的短期風速預測系統，其特征在于，還包括風速時間序列形成模塊，用于采集風電場的風速數據，將采集的風速數據按照采集時間點的先后順序排列并形成風速時間序列。

8.根據權利要求7所述的基于小數據量法的短期風速預測系統，其特征在于，還包括平滑處理模塊，用于采用單步平滑法對獲取的風速時間序列進行平滑處理。