[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

技術領域

本發明涉及風速預測技術領域，特別是涉及一種基于小數據量法的短期風速預測方法及系統。

背景技術

風能是一種非常重要和巨大的資源，它安全、清潔、充裕而且無限，能提供源源不斷的能源供應，為全球經濟開始以可再生能源為基礎的轉型提供了很好的機會。

由于風速具有隨機變動的自然屬性，而大型的風電機組又不具有電能存儲的功能，因此風電具有與生俱來的隨機性和不可控性。此外，由于不同安裝地點造成的風速的明顯差異，即使在同一風電場內的風電機組，每臺風電機組上感受到的風速的變動也不是同步的。由于風力發電的這些特性，導致風力發電機組與風進行能量交換的隨機性，進而引起風電機組投切頻繁，造成對電網的沖擊。隨著風電裝機容量的不斷增大，對電網影響將更加嚴重，成為制約風電發展的主要因素，受到風電行業的廣泛關注。而對風速的準確預測將可以降低風電機組的運維成本，幫助整機制造商及時調整計劃，從而減輕風能對電網的沖擊。

在現有技術中，對風速的預測包括神經網絡方法和支持向量機方法等。中國發明專利CN106503793A中公開了一種基于改進差分算法的神經網絡短期風速預測方法，中國發明專利CN101793907A中公開了一種風電場短期風速預測方法，但上述預測方法需要的風速時間序列的訓練樣本量相對較大，而大量的樣本導致風速預測需要的計算時間較長。

因此，如何創設一種基于小數據量法的短期風速預測方法及系統，使其需要的風速時間序列的訓練樣本量相對較小，并且預測需要的計算時間相對較短，成為本領域技術人員亟待解決的問題。

發明內容

本發明的目的是提供一種基于小數據量法的短期風速預測方法及系統，使其需要的風速時間序列的訓練樣本量相對較小，并且預測需要的計算時間相對較短，以客戶現有風速預測方法的不足。

為實現上述目的，本發明采用如下技術方案：

一種基于小數據量法的短期風速預測方法，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。

作為本發明的一種改進，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。

進一步改進，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。

進一步改進，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。

進一步改進，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：

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。

一種基于小數據量法的短期風速預測系統，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。

作為本發明的一種改進，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。