[發(fā)明專利]一種時態(tài)分析的超短期風(fēng)速預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202310041861.3
• 申請日: 2023-01-28
• 公開（公告）號: CN115796231A
• 公開（公告）日: 2023-03-14
• 發(fā)明（設(shè)計）人: 彭燕;高川;肖科;黃巍;吳自厚
• 申請（專利權(quán)）人: 湖南賽能環(huán)測科技有限公司
• 主分類號: G06N3/0442
• 分類號: G06N3/0442;G06N3/084;G06F18/22;G06F18/23213;G06F18/213;G01P5/00;G06F123/02
• 代理公司: 長沙大珂知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43236
• 代理人: 伍志祥

1.一種時態(tài)分析的超短期風(fēng)速預(yù)測方法，其特征在于，所述方法包括：

S1：采集原始風(fēng)速序列數(shù)據(jù)，并對原始風(fēng)速序列數(shù)據(jù)進行相似性類別聚類，得到不同類別的風(fēng)速序列數(shù)據(jù)；

S2：分別對不同類別中的風(fēng)速序列數(shù)據(jù)進行多尺度譜密度分解，得到若干風(fēng)速序列數(shù)據(jù)分解分量和殘余分量，包括：

對K個類別的風(fēng)速序列數(shù)據(jù)集合中任意第k個類別的風(fēng)速序列數(shù)據(jù)進行多尺度譜密度分解，所述多尺度譜密度分解的流程為：

S21：將風(fēng)速序列數(shù)據(jù)轉(zhuǎn)換為軌跡矩陣：

其中：

表示風(fēng)速序列數(shù)據(jù)中的第個風(fēng)速數(shù)據(jù)，表示風(fēng)速序列數(shù)據(jù)中風(fēng)速數(shù)據(jù)的總數(shù)；

表示軌跡矩陣的軌跡窗口大小，；

S22：計算矩陣，其中T表示轉(zhuǎn)置；

S23：計算矩陣的協(xié)方差矩陣：

S24：計算得到協(xié)方差矩陣的第u個特征值：

其中：

I表示單位矩陣；

選取所計算得到的協(xié)方差矩陣最大的N個特征值，其中，特征值所對應(yīng)的特征向量為：

S25：將所選取的N個特征值中最大的r個特征值分別構(gòu)建為r個尺度的風(fēng)速序列數(shù)據(jù)分解分量，其中特征值所對應(yīng)尺度的風(fēng)速序列數(shù)據(jù)分解分量為：

所述構(gòu)建得到的r個尺度的風(fēng)速序列數(shù)據(jù)分解分量集合為：；

S26：將其余特征值以及特征向量構(gòu)建為風(fēng)速序列數(shù)據(jù)的殘余分量：

其中：

表示風(fēng)速序列數(shù)據(jù)的殘余分量；

所述風(fēng)速序列數(shù)據(jù)的多尺度譜密度分解結(jié)果為：

所述K個類別的風(fēng)速序列數(shù)據(jù)的多尺度譜密度分解結(jié)果為；

S3：選取最優(yōu)類別的風(fēng)速序列數(shù)據(jù)分解分量和殘余分量，構(gòu)建風(fēng)速序列數(shù)據(jù)分解分量相似性度量模型，將所選取類別中相似性較高的風(fēng)速序列數(shù)據(jù)分解分量進行重構(gòu)合并，得到重構(gòu)合并后的風(fēng)速序列數(shù)據(jù)分解分量；

S4：構(gòu)建超短期風(fēng)速預(yù)測識別模型，使用該模型對重構(gòu)合并后的風(fēng)速序列數(shù)據(jù)分解分量以及殘余分量進行風(fēng)速預(yù)測；

S5：將超短期風(fēng)速預(yù)測識別模型輸出的各分量的預(yù)測結(jié)果進行疊加，得到超短期風(fēng)速預(yù)測結(jié)果。

2.如權(quán)利要求1所述的一種時態(tài)分析的超短期風(fēng)速預(yù)測方法，其特征在于，所述S1步驟中采集原始風(fēng)速序列數(shù)據(jù)，包括：

利用風(fēng)速傳感器采集原始風(fēng)速序列數(shù)據(jù)，所述原始風(fēng)速序列數(shù)據(jù)的格式為：

其中：

表示采集到時刻的風(fēng)速數(shù)據(jù)。

3.如權(quán)利要求1所述的一種時態(tài)分析的超短期風(fēng)速預(yù)測方法，其特征在于，所述S1步驟中對原始風(fēng)速序列數(shù)據(jù)進行相似性類別聚類，包括：

對原始風(fēng)速序列數(shù)據(jù)進行相似性類別聚類，得到不同類別的風(fēng)速序列數(shù)據(jù)，所述相似性類別聚類流程為：

S11：從原始風(fēng)速序列數(shù)據(jù)中隨機選取k個時刻的風(fēng)速數(shù)據(jù)作為初始類別的中心點，計算原始風(fēng)速序列數(shù)據(jù)中所有非中心點到中心點的歐式距離，其中所述非中心點表示原始風(fēng)速序列數(shù)據(jù)中未被選取的n-k個時刻的風(fēng)速數(shù)據(jù)；

S12：將每個中心點構(gòu)建為聚類簇，將非中心添加到與自身距離最近的聚類簇中；

S13：計算每個聚類簇中非中心點到其他點的距離和；

S14：隨機選取每個聚類簇中非中心點作為該簇的候選中心點，計算每個聚類簇中非候選中心點到其他點的距離和；

S15：若，則將聚類簇中的候選中心點作為該聚類簇的中心點，將原中心點作為非中心點，返回步驟S13，否則將候選中心點作為非中心點，返回步驟S13；

重復(fù)上述步驟，直到每個聚類簇的中心點均不發(fā)生變化，得到K個類別的風(fēng)速序列數(shù)據(jù)集合，表示第k個類別的風(fēng)速序列數(shù)據(jù)，其中每個類別的風(fēng)速序列數(shù)據(jù)包含若干個時刻的風(fēng)速數(shù)據(jù)，按照時序順序?qū)︼L(fēng)速進行排序，得到該類別的風(fēng)速序列數(shù)據(jù)。