[发明专利]基于混合神经网络的风电场短期风速预测方法和系统

权利要求书

1.一种基于混合神经网络的风电场短期风速预测方法，其特征在于，包括步骤：

S1、根据预设的预测时间间隔确定混合神经网络预测模型的输入变量和输出变量；

S2、根据所述混合神经网络预测模型进行风速预测，得到相应的风速预测值。

2.根据权利要求1所述的基于混合神经网络的风电场短期风速预测方法，其特征在于，所述步骤S1之前还包括步骤：

S0、根据风电场的风速历史数据库和物理模型仿真数据库建立所述混合神经网络预测模型。

3.根据权利要求2所述的基于混合神经网络的风电场短期风速预测方法，其特征在于，所述步骤S0包括步骤：

S01、根据所述风电场的风速历史数据库和所述物理模型仿真数据库得到原始数据集；

S02、对所述原始数据集进行离线小波去噪，并按照月份进行归一化处理，得到多组训练数据；

S03、根据所述多组训练数据训练不同的神经网络模型；

S04、根据实时风速数据计算神经网络模型的权重系数；

S05、根据所述神经网络模型的权重系数对所述神经网络模型进行组合，得到所述混合神经网络预测模型。

4.根据权利要求1所述的基于混合神经网络的风电场短期风速预测方法，其特征在于，所述步骤S2包括：

S21、根据所述混合神经网络预测模型进行风速预测，得到预测结果；

S22、对所述预测结果进行反归一化处理，得到相应的风速预测值。

5.根据权利要求1所述的基于混合神经网络的风电场短期风速预测方法，其特征在于，所述步骤S2之后还包括步骤：

S3、根据实时风速数据对所述混合神经网络预测模型进行参数修正。

6.一种基于混合神经网络的风电场短期风速预测系统，其特征在于，包括：

变量确定模块(1)：用于根据预设的预测时间间隔确定混合神经网络预测模型的输入变量和输出变量；以及

预测模块(2)：用于根据所述混合神经网络预测模型进行风速预测，得到相应的风速预测值。

7.根据权利要求6所述的基于混合神经网络的风电场短期风速预测系统，其特征在于，所述基于混合神经网络的风电场短期风速预测系统还包括：

模型建立模块(3)：用于根据风电场的风速历史数据库和物理模型仿真数据库建立所述混合神经网络预测模型。

8.根据权利要求7所述的基于混合神经网络的风电场短期风速预测系统，其特征在于，所述模型建立模块(3)包括：

整理单元(31)：用于根据所述风电场的风速历史数据库和所述物理模型仿真数据库得到原始数据集；

修正单元(32)：用于对所述原始数据集进行离线小波去噪，并按照月份进行归一化处理，得到多组训练数据；

训练单元(33)：用于根据所述多组训练数据训练不同的神经网络模型；

计算单元(34)：用于根据实时风速数据计算神经网络模型的权重系数；以及

模型建立单元(35)：用于根据所述神经网络模型的权重系数对所述神经网络模型进行组合，得到所述混合神经网络预测模型。

9.根据权利要求6所述的基于混合神经网络的风电场短期风速预测系统，其特征在于，所述预测模块(2)包括：

预测单元(21)：用于根据所述混合神经网络预测模型进行风速预测，得到预测结果；以及

处理单元(22)：用于对所述预测结果进行反归一化处理，得到相应的风速预测值。

10.根据权利要求6所述的基于混合神经网络的风电场短期风速预测系统，其特征在于，所述基于混合神经网络的风电场短期风速预测系统还包括：

修正模块(4)：用于根据实时风速数据对所述混合神经网络预测模型进行参数修正。