[發明專利]一種短期風速預測方法、裝置及系統

在審

• 申請號: 201710741544.7
• 申請日: 2017-08-25
• 公開（公告）號: CN107392397A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 殷豪;黃圣權;劉哲;孟安波;楊躒;曾云
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08;G06N3/00
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

1.一種短期風速預測方法，其特征在于，包括：

S11：獲取經預處理后的風速歷史數據；

S12：采用經驗模態分解法對所述風速歷史數據進行分解處理，得到多個數據分量；

S13：將各個所述數據分量輸入至預先建立的BP神經網絡優化模型中進行預測，得到與各個所述數據分量一一對應的各個預測子結果；

S14：將各個所述預測子結果進行疊加，得到風速預測結果；

其中，所述BP神經網絡優化模型的建立過程為：

S21：獲取訓練樣本數據，并將所述訓練樣本數據輸入至BP神經網絡中；S22：采用粒子群引力搜索混合算法對BP神經網絡的參數進行尋優處理，得到訓練后的所述BP神經網絡優化模型。

2.根據權利要求1所述的短期風速預測方法，其特征在于，所述采用經驗模態分解法對所述風速歷史數據進行分解處理，得到多個數據分量的過程為：

S121：識別風速歷史數據中的所有極大值點和所有極小值點，所述風速歷史數據為x(t)；

S122：分別對各個所述極大值點和各個所述極小值點進行包絡線擬合得到上包絡線d_up(t)和下包絡線d_low(t)；

S123：依據所述上包絡線和所述下包絡線得到包絡線平均值d₁(t)；

S124：通過l₁(t)＝x(t)-d₁(t)得到l₁(t)，判斷所述l₁(t)是否滿足預設條件，如果是，則將所述l₁(t)作為第一數據分量s₁(t)，并進入S125；否則，將所述風速歷史數據x(t)更新為所述l₁(t)，并返回S121；

S125：通過r₁(t)＝x(t)-s₁(t)得到風速歷史數據的第一剩余分量r₁(t)，判斷所述第一剩余分量r₁(t)是否滿足終止條件，如果是，則分解結束；否則，將所述風速歷史數據更新為r₁(t)，并返回S121，并重復S121至S125以得到與所述風速歷史數據對應的各個數據分量。

3.根據權利要求1所述的短期風速預測方法，其特征在于，所述采用訓練樣本數據及粒子群引力搜索混合算法對BP神經網絡的參數進行尋優處理的過程為：

S221：依據BP神經網絡的參數隨機初始化種群；

S222：采用訓練樣本數據及適應度值計算關系式計算出所述初始種群中各個初始粒子的適應度值，其中：

所述適應度值計算關系式為其中，fit_i為第i個初始粒子的適應度值，為預測值，P為真實值，N為所述訓練樣本數據中輸出預測值的總數，i＝1,2,…,M，M為初始粒子總數；

S223：對所述初始種群中的各個所述初始粒子的位置和速度進行更新，得到當前種群，并計算出所述當前種群中各個當前粒子的適應度值；

S224：若當前種群中的第i個當前粒子的適應度值小于所述初始種群中的第i個初始粒子的適應度值，則將第i個當前粒子作為新種群中的第i個粒子；若當前種群中的第i個當前粒子的適應度值大于所述初始種群中的第i個初始粒子的適應度值，則將第i個初始粒子作為新種群中的第i個粒子，以得到新種群；

S225：判斷當前迭代次數是否達到最大迭代次數，如果是，則從所述新種群中找到適應度值最優的粒子作為全局最優粒子進行輸出，并依據所述全局最優粒子得到最優參數；否則，繼續下次迭代，直至達到最大迭代次數。

4.根據權利要求1所述的短期風速預測方法，其特征在于，所述風速歷史數據的時間分辨率為1小時。

5.根據權利要求1-4任意一項所述的短期風速預測方法，其特征在于，所述參數為BP神經網絡的權值和閥值。