[發明專利]一種基于風速分類的風速動態場景生成方法、系統及終端

有效

• 申請號: 202110758297.8
• 申請日: 2021-07-05
• 公開（公告）號: CN113487080B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 權軼;周星宇;阮丹靈;向姚海;付波
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 張曉博

1.一種基于風速分類的風速動態場景生成方法，其特征在于，所述基于風速分類的風速動態場景生成方法包括：

獲取風速原始數據，并自原始數據中提取可反映風速的隨機性和波動性特征的兩個指標；同時基于原始數據計算每日風速偏離度和變化率，并基于提取的指標進行k-means聚類，得到四個聚類中心；

利用季節性的ARIMA模型對歷史數據進行預測，用分箱理論對預測風速進行分箱，建立歷史數據和歷史預報數據之間的模型關系，獲取與預測風速配對的實際風速；

在給定的預測風速條件下，擬合每一個分箱中的預測風速的條件經驗分布；對預測風速數據進行k-means聚類；

基于兩次k-means聚類的結果，對實際風速和預測風速通過k-means聚類后的兩組聚類中心進行分析，將兩組聚類中心轉換為向量，利用極坐標變換的方法確定范圍參數，得到唯一的協方差矩陣，生成風速動態場景；

所述可反映風速的隨機性和波動性特征的兩個指標分別為：風速的整體偏離度和整體風速變化率；

所述計算每日風速偏離度包括：

將原始數據以天為單位分段，將各樣本中各時段的數據結合得到并計算基于整個樣本空間的該時段數據均值對數據組合序列用分布函數擬合得到相應的分布函數；通過樣本數據中各樣本每天各時段數據與均值中對應時段數據做差，得到各樣本偏差值序列

對偏差數據序列中所有樣本的同時段數據組合，得到96個行向量，并對上述96個行向量做標準歸一化處理，得到通過對歸一化后各樣本各時段的歸一化值求和，得到樣本中各時段風速偏離均值的整體偏離度

計算公式如下：

所述計算整體風速變化率包括：

以前一時段的風速值為基準求取變化率，重復操作得到所有樣本各時段相對前一時刻的風速變化率并對其進行標準化處理，得到歸一化后的風速變化率計算樣本中各時段風速波動速率的整體風速變化率

計算公式如下：

2.如權利要求1所述基于風速分類的風速動態場景生成方法，其特征在于，所述基于提取的指標進行k-means聚類，得到四個聚類中心包括：

用手肘法確定聚類的數目，再基于風速的整體偏離度和整體風速變化率兩個指標，對每天的風速進行k-means聚類，得到風速的k種類型，以及每個日期對應的風速類型；

所述用分箱理論對預測風速進行分箱包括：

獲取所有由預測風速和實際風速組成的風速對使用分級算法，對得到的預測風速進行離散化處理；并對構建的箱中的每個預測風速確定所有實際風速并將其存儲在列表中；所述列表包含所有與中的選定配對的

3.如權利要求1所述基于風速分類的風速動態場景生成方法，其特征在于，所述在給定的預測風速條件下，擬合每一個分箱中的預測風速的條件經驗分布包括：

首先，確定經驗分布的反函數：對每一個分箱里面的概率值和風速值進行線行回歸的擬合，用最小二乘法確定每一個分箱所對應的系數k，b；

其次，進行經驗分布擬合，公式如下：

其中，F_n(x)為總體X的經驗分布函數；x₁,x₂,...,x_n為總體X的一組容量為n的樣本觀測值，按從小到大的順序排列；x為任意實數。

4.如權利要求1所述基于風速分類的風速動態場景生成方法，其特征在于，所述確定范圍參數包括：

基于確定的日前風速預報點估計值及風速分箱關系，建立考慮風速相鄰時段相關性的多維分布函數模型，并使用聚類的方法對該多維分布函數的相關參數進行參數辨識，確定最佳分布函數的范圍參數；

所述確定范圍參數包括以下步驟：

(1)任取ε，確定唯一的協方差矩陣；生成服從多元正態分布的隨機數；對生成的隨機數進行逆變換，得到風速值；

(2)對風速值進行k-means聚類，得到聚類中心點集A；計算A和原始聚類中心點的極坐標表達式；

(3)當d最小時的ε即為最優范圍參數。