[发明专利]基于自适应线性逻辑网络的风电功率预测方法

权利要求书

1. 一种基于自适应线性逻辑网络的风电功率预测方法，其特征在于，该方法使用风电场的历史数据对线性逻辑网络进行自适应训练，将训练的自适应线性逻辑网络用于实时预测风电功率，通过采集数值气象预报数据、测风塔实测风数据以及风机监控实测发电功率数据对风电场发电功率进行预报。

2.根据权利要求1所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，基于自适应线性逻辑网络建立分层递解结构的风电功率预测系统，系统中包含两个自适应方法建立的线性逻辑网络，分别为风速预测模块和功率曲线预测模块，所述风速预测模块的输入包含：实时气象数据、数值天气预报数据、实时测风塔数据，输出为本地风速预测数据，所述功率曲线预测模块输入为风机的功率曲线数据、来自所述风速预测模块输出的本地风速预测数据、风机监控的实测数据，输出为风电功率预测值。

3.根据权利要求2所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，对所述风速预测模块的线性逻辑网络进行自适应训练，输入风电场的历史数据，采用递归的方式对线性函数单元进行拟合，得到输出的连续可导的预测曲线。

4.根据权利要求3所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，风电场的历史数据包含风电机组历史功率和历史气象数据；历史气象数据、实时气象数据均包含风速、风向、气压、温度信息。

5.根据权利要求2所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，所述系统中还包含一性能评估模块，用于在系统实时运行阶段评估自适应线性逻辑网络的预测结果。

6.根据权利要求2或5所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，采用两种方法评估预测结果，分别是均方根误差方法和融合矩阵方法。

7.根据权利要求6所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，采用融合矩阵方法评估预测结果的步骤为：

赋予预测值一置信区间，根据预测数据的置信度分配置信区间；

每隔一设定时间段对预测结果与实际值ActV进行比较验证，

预测结果采用区间估计，每个预测结果设定一预测的上限PrevH和下限PrevL，上限和下限的平均值为中间值PrevM， 

将预测结果与实际值进行比较，根据比较结果计算置信度，

如果PrevL大于ActV，预测值大于实际值，这一时刻的预测值被定义为‘假正’，

如果ActV大于PrevH，实际值大于预测值，该时刻的预测值被定义为‘假负’，

如果ActV在[PrevM, PrevH]的区间范围内，该时刻的预测值被定义为‘真正’，

如果ActV在[PrevL, PrevM]的区间范围内，该时刻的预测值被定义为‘真负’，

根据评估结果修正自适应线性逻辑网络的模型参数。

8.根据权利要求7所述的基于自适应线性逻辑网络的风电功率预测方法，其特征在于，置信度为基于历史预测值的统计信息。