[发明专利]一种基于不稳定周期的风速时间序列预测方法

说明书

技术领域

本发明属于时间序列预测分析领域，涉及一种用于风速时间序列预测的方法，特别涉及一种针对具有混沌特性的风速时间序列，通过求解最佳不稳定周期实现预测分析的方法。

背景技术

随着全球能源紧张以及环境污染的日益严重，风能的开发利用得到各国的普遍重视，风能是一种清洁的可再生能源，发展风力发电成为改善能源结构、减少环境污染和保护生态环境的一种有效措施。但风速具有间歇性、随机性和不确定性的特点，这对风电并网技术提出了挑战。目前，解决风电并网的关键技术问题之一就是风速预测，有效的风速预测可使电力调度部门及时调整调度计划，从而保证电能质量，减小系统的备用容量，降低电力系统运行成本

目前，已有的风速预测方法有：持续预测法、卡尔曼滤波法、时间序列法以及神经网络方法等。持续预测法将最近一点的风速观测值作为下一点的预测值。该方法简单，是传统的预测方法，常作为其他预测方法的比较基准。卡尔曼滤波法存在动态修改预测权值的优点，依靠预测递推方程可以得到较高的精度，但建立卡尔曼状态方程和测量方程较为困难。时间序列法利用的信息量较少，模型的定阶方法指导性不强。人工神经网络对复杂非线性问题的求解十分有效，但也存在收敛速度慢，数据庞大，容易陷入局部极小值等缺陷。另外，一些研究者通过对风速时间序列的动力学特性分析发现，风速序列中往往蕴含着混沌特性。对于具有混沌特性的风速时间序列可结合相空间重构理论开展预测分析研究，但相空间重构的参数存在不易选取的问题。

因此，针对风速序列自身的性质，设计一种简易可行的预测分析方法具有重要的应用价值。

发明内容

本发明所要解决的技术问题是，设计一种风速时间序列预测分析方法，能够对具有混沌特性的风速时间序列实现预测分析。

本发明所采用的技术方案是：一种基于不稳定周期的风速时间序列预测方法，针对具有混沌特性的风速时间序列开展研究，利用已知的风速时间序列进行相空间重构，利用互信息法确定相空间重构的延迟时间，通过求解指标函数确定最佳不稳定周期和嵌入维数，利用前一不稳定周期附近的值实现对未来时刻风速的预测分析。

本发明的目的在于提出一种基于不稳定周期的风速时间序列预测分析方法，通过求解具有混沌特性的风速时间序列中蕴含的不稳定周期信息实现对未来风速的预测分析，从而提高风速序列的预测性能。

具体实施方式

下面结合实施例对本发明作进一步详细说明。

根据混沌理论，混沌运动具有无穷多个不稳定的周期轨道，因此可对具有混沌特性的风速时间序列进行相空间重构，并认为重构后的风速相空间也具有与原系统相似的动力学行为。当风速序列持续一段时间后，风速序列会到达某个不稳定周期轨道附近，即此时的风速值与前一不稳定周期附近的值十分接近。因此可将前一周期附近的风速值预测为此时的风速值。

相空间重构是混沌时间序列分析的基础，对于具有混沌特性的风速时间序列{x(i)}，i＝1，2，...，n，若嵌入维数为m，延迟时间为τ，则重构相空间为

Y(i)＝{x(i)，x(i+τ)，...，x(i+(m-1)τ)}    (1)

其中，i＝1，2，...，N；N＝n-(m-1)τ；n是时间序列的采样点数。延迟时间和嵌入维数的选取直接影响到相空间重构的质量及序列的预测精度。本发明选择互信息法选取延迟时间。

一个时间序列的互信息可以表示为：

I(Q,S)=H(Q)-H(Q|S)]]>

(2)