[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

说明书

技术领域

本发明涉及风电场风速预测领域，更具体地说，涉及一种基于混合神经网络的风电场短期风速预测方法和系统。

背景技术

风能作为一种清洁的可再生能源，近年来受到世界各国的广泛重视。大力发展风速发电是我国能源建设实施可持续发展战略的需要，对加快国民经济发展、促进电力产业调整、减少环境污染、推进科技进步具有重要意义。我国风能储量很大、分布面广，潜力巨大。因此，在国家政策扶持和能源供应紧张的大环境下，中国风速发电行业的发展前景十分广阔，预计在未来很长一段时间都将保持高速发展。

随着大型风电场的迅猛发展，风速发电的不确定性及波动性已给电网调度以及安全运行带来了严峻的挑战。为了提高风能的利用效率，越来越多的风速发电企业需要准确的风速预测服务，通过预测风速资源从而给出比较准确的发电曲线，以便调控分配电量，实现现代风电与传统发电联合优化运行。目前，对风速的预测主要依赖于物理预测模型，其计算量大，误差累积率高，而且需要专业的人士维护，不能满足风电企业对风能短期预报的需求，更不能对风电场范围内的风速分布作出精细的预报。因此，要大规模使用风速发电必须提高风速预测的准确度和可靠性。

人工神经网络是模仿生物结构和功能的一种信息处理系统，由大量神经元相连而成，每个神经元的结构与功能比较简单，但是其组合而成的系统则是很复杂的，能对信息进行大规模并行处理、分布存储。由于其具有良好的适应性、自组织性和容错性并具有较强的学习、记忆、联想、识别等功能，神经网络可以任意逼近复杂的非线性连续系统。所以，神经网络为风电场短期风速预测提供了一种强有力的分析工具。但单一的神经网络存在易陷入局部最小、训练时间长、校验精度低、泛化能力差等缺点和不足，所以预测精确度不高，可靠性低。

发明内容

本发明要解决的技术问题在于，针对现有技术的风电场短期风速预测准确度低，可靠性差的缺陷，提供一种计算速度快、可靠性高、解决了完全依赖物理预测模型的技术难题、又可以克服单一模型预测误差波动大的缺陷的基于混合神经网络的风电场短期风速预测方法和系统。

本发明解决其技术问题所采用的技术方案是：构造一种基于混合神经网络的风电场短期风速预测方法，其中包括步骤：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。

在本发明所述的基于混合神经网络的风电场短期风速预测方法中，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。

在本发明所述的基于混合神经网络的风电场短期风速预测方法中，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。

在本发明所述的基于混合神经网络的风电场短期风速预测方法中，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。

在本发明所述的基于混合神经网络的风电场短期风速预测方法中，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。

本发明还构造一种基于混合神经网络的风电场短期风速预测系统，其中包括：变量确定模块：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：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。

在本发明所述的基于混合神经网络的风电场短期风速预测系统中，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：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。