[發明專利]一種基于改進神經網絡的風功率中短期預測方法及系統

在審

• 申請號: 201911101266.4
• 申請日: 2019-11-12
• 公開（公告）號: CN111062509A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 包鼎;閆潤田;陳基偉;張有金;楊周杰;朱得利
• 申請（專利權）人: 國電陜西新能源有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.一種基于改進神經網絡的風功率中短期預測方法，其特征在于，包括：

S1、采集風電場的歷史特征數據、實時特征數據以及實際風功率；

S2、根據所述歷史特征數據，通過神經網絡里的聚類K均值算法循環迭代對風機分組；

S3、采用聚類衡量標準對所述風機分組結果進行度量；

S4、根據所述歷史特征數據、實際風功率以及BP算法對每組風機建立風功率預測模型，并輸出每組風機的預測風功率；

S5、對所述每組風機的預測風功率求和，得到全場預測風功率。

2.如權利要求1所述的一種基于改進神經網絡的風功率中短期預測方法，其特征在于，所述步驟S1中的特征數據包括：風向、氣溫、氣壓、濕度、風速、風機高度、風機槳葉直徑和風機地理位置；

所述實時特征數據以及實時特征數據對應的實際風功率間隔第一預設時長采集一次。

3.如權利要求1所述的一種基于改進神經網絡的風功率中短期預測方法，其特征在于，所述步驟S2包括：

數據集D＝{x₁,x₂,...,x_m}，包含m個無標記風機樣本，每個樣本x_i＝(x_i1,x_i2,...,x_in)是一個n維特征向量；通過聚類劃分為C＝{c₁,c₂,...,c_m}，c表示風機所在的子集，分類步驟如下：

S21、從D中選擇所有m個樣本作為初始均值向量{u₁,u₂,...,u_m}；

S22、計算樣本x_j(1≤j＜＜m)與各均值向量u_i(1≤i＜＜m)的距離：

S23、根據距離最近的均值向量確定x_j的簇標記：

λj＝argmin_{i∈{1,2,...m}}dji；

其中，λj是第j個風機樣本所在的簇標記，min_{i∈{1，2，..，m}}d_ji是第j個風機樣本到各特征向量的最小距離，arg是變元，即自變量，是讓后面的式子達到最小值時，變量i的取值。

把樣本x_j劃入相應的簇:

C_λj＝C_λj∪{x_j}；

S24、循環S22和S23步驟，計算產生均值向量，作為更新后的均值向量，直到當前均值向量均無更新，則分組完成，得到最終的簇劃分。

4.如權利要求3所述的一種基于改進神經網絡的風功率中短期預測方法，其特征在于，所述步驟S3中的風機分組結果進行度量包括：

聚類性能度量外部指標:(1)Jaaccard系數

(2)FM指數

(3)Rand指數

其中，a表示在C中屬于相同簇且在C*中屬于相同簇的樣本對的數量；

b表示在C中屬于相同簇且在C*中屬于不同簇的樣本對的數量；

c表示在C中屬于不同簇且在C*中屬于相同簇的樣本對的數量；

d表示在C中屬于不同簇且在C*中屬于不同簇的樣本對的數量；

m表示樣本的總數量；

C表示通過聚類法獲得的簇，C*表示參考模型的簇集合；

三種指數的性能度量結果值均在[0,1]區間。