[發(fā)明專(zhuān)利]一種采用大氣壓的空間相關(guān)性k近鄰日前風(fēng)速預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010692208.X
• 申請(qǐng)日: 2020-07-17
• 公開(kāi)（公告）號(hào): CN111915070B
• 公開(kāi)（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 楊正瓴;喬健;王迪;侯謹(jǐn)毅;張軍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 天津大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/06
• 代理公司: 天津市北洋有限責(zé)任專(zhuān)利代理事務(wù)所 12201
• 代理人: 程毓英

1.一種采用大氣壓的空間相關(guān)性k近鄰日前風(fēng)速預(yù)測(cè)方法，包含以下步驟：

1)讀取本地、周邊地點(diǎn)的風(fēng)向、大氣壓、風(fēng)速當(dāng)前觀測(cè)值，及其歷史觀測(cè)數(shù)據(jù)；

2)根據(jù)指向本地的風(fēng)向，從周邊地點(diǎn)中選定本地當(dāng)前的上游地點(diǎn)，并計(jì)算上游對(duì)本地大氣壓差值和上游風(fēng)速對(duì)本地風(fēng)速的優(yōu)化延遲時(shí)間；具體為：

根據(jù)風(fēng)向?qū)Ρ镜氐钠睿x定偏差角度小的周邊地點(diǎn)作為上游，記上游地點(diǎn)u對(duì)本地的大氣壓差值為g_u,t、上游地點(diǎn)風(fēng)速為v_u,t，本地風(fēng)速為v_t，這里u＝1,2,…,M為選定的M個(gè)上游地點(diǎn)，t＝…,-2,-1,0,1,2,…是觀測(cè)的時(shí)間點(diǎn)；采用樣本交叉相關(guān)函數(shù)SCCF計(jì)算大氣壓差值g_u,t和本地風(fēng)速v_t之間的優(yōu)化延遲時(shí)間τ_gu；并計(jì)算上游地點(diǎn)風(fēng)速v_u,t對(duì)本地風(fēng)速v_t的優(yōu)化延遲時(shí)間τ_vu；取τ_gu、τ_vu的平均值作為上游地點(diǎn)u對(duì)本地的優(yōu)化延遲時(shí)間τ_u；

3)確定預(yù)報(bào)模型最小二乘支持向量回歸LSSVR的輸入變量，即輸入到預(yù)報(bào)模型的上游對(duì)本地大氣壓差值和上游風(fēng)速觀測(cè)值的優(yōu)化點(diǎn)數(shù)；具體為：

采用主成分分析PCA方法優(yōu)化預(yù)報(bào)模型LSSVR的輸入變量g_u,t、v_u,t；對(duì)歸一化后的連續(xù)多個(gè)觀測(cè)時(shí)間點(diǎn)的大氣壓差值、上游風(fēng)速觀測(cè)值構(gòu)成的多維時(shí)間序列，提取該多維時(shí)間序列的第一主成分；再計(jì)算該第一主成分對(duì)本地風(fēng)速v_t的樣本交叉相關(guān)函數(shù)SCCF；選取SCCF數(shù)值超過(guò)其最大值90％時(shí)的連續(xù)多個(gè)觀測(cè)時(shí)間點(diǎn)數(shù)m作為預(yù)報(bào)模型初選輸入變量，記本地的未來(lái)風(fēng)速預(yù)報(bào)起始時(shí)間點(diǎn)為t，采用作為預(yù)報(bào)本地v_t+1的初選輸入變量；

4)采用選定的k近鄰，訓(xùn)練本地風(fēng)速的預(yù)報(bào)模型；

5)將上游對(duì)本地大氣壓差值、上游風(fēng)速，按照優(yōu)化延遲時(shí)間提前的觀測(cè)值，代入到預(yù)報(bào)模型，得到本地未來(lái)風(fēng)速的預(yù)報(bào)值。

2.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測(cè)方法，其特征在于，步驟1)具體為：讀取本地和周邊的大氣壓、風(fēng)向、風(fēng)速當(dāng)前觀測(cè)數(shù)據(jù)，及其歷史觀測(cè)資料。

3.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測(cè)方法，其特征在于，步驟4)具體為：對(duì)于當(dāng)前時(shí)刻t，采用直接式預(yù)報(bào)模式，采用0.5小時(shí)統(tǒng)計(jì)周期的數(shù)據(jù)，預(yù)報(bào)本地未來(lái)24小時(shí)內(nèi)的風(fēng)速v_t+j，j＝1,2,…,48；以優(yōu)化出的提前τ_u的m個(gè)g_u,t、v_u,t，和本地最近的風(fēng)速觀測(cè)值v_t構(gòu)成k近鄰的參考矢量，并以此模式搜索出與參考矢量相關(guān)性最高的k個(gè)歷史矢量作為k近鄰；采用谷本系數(shù)Tanimoto similarity作為選取k近鄰的相關(guān)性量化指標(biāo)；并訓(xùn)練出作為回歸預(yù)報(bào)模型的最小二乘支持向量回歸LSSVR。

4.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測(cè)方法，其特征在于，步驟5)具體為：將{g_u,t-τu-m+1、…、g_u,t-τu-1、g_u,t-τu}，{v_u,t-τu-m+1、…、v_u,t-τu-1、v_u,t-τu}輸入到訓(xùn)練好的LSSVR模型，即可得到本地的未來(lái)風(fēng)速v_t+j。