[发明专利]一种风力发电短期负荷预测方法

权利要求书

1.一种风力发电短期负荷预测方法，基于提升小波、最小二乘支持向量机和误差预测，其特征在于，包括以下步骤：

S1：原始数据的预处理：去除原始数据中的错误数据；

S2：建立提升小波变换的数学模型，将记录的功率数据看作离散的数据序列，根据建立的提升小波变换进行二层分解，可以得到高频数据序列D1、D2和低频数据序列A2；

S3：将需要的数据序列归一化；

S4：建立最小二乘支持向量机数学模型；

S5：将步骤S3中得到的归一化后的A2数据序列、气温、风向角、风速一起输入到步骤S4中建立的最小二乘支持向量机数学模型中，其中的3/4的A2数据作为训练样本，其余的作为测试样本；在最小二乘支持向量机模型中训练并预测最后的1/4的数据，输出得到的数据序列就是A2后面的1/4预测结果；

S6：进行第二次预测，将A2分成两部分，前半部分用来作为最小二乘支持向量机的训练样本，后半部分作为测试样本，通过最小二乘支持向量机的预测，得到A2后半部分的预测值；通过计算可以得到这些预测点的相对误差值；

S7：根据步骤S6中得到的相对误差值，我们对其进行2层提升小波分解，并用其第二层的低频信号A2，再将A2信号分成两部分，前半部分作为训练样本，输入到最小二乘支持向量机模型中进行训练和预测；后半部分作为测试样本，以得到整个原始数据最后1/4的相对误差预测值；

S8：根据步骤S7中得到的相对误差的预测值与步骤S5中得到的原始信号最后1/4数据的预测值，并根据它们的符号和相对误差预测值的大小，对在步骤S5中得到的风电负荷的预测值逐个迭代修正；修正后的值就是最后预测结果。

2.根据权利要求1所述的一种风力发电短期负荷预测方法，其特征在于，步骤S2中，“提升小波变换”的步骤如下：

S21：分裂：分裂是将信号S₀[n]分割成相互关联的奇偶两部分，即偶部分even₁[n]和奇部分odd₁[n];

even₁[n]=S₀[2n]，odd₁[n]＝S₀[2n+1]                    (1)

S22：预测：预测就是用even₁[n]预测odd₁[n]，预测误差下式：

d₁[n]=odd₁[n]-p(even₁[n])                             (2)

P(·)表示预测算子；

S23：更新：更新的目的就是用d₁[n]修改even₁[n]，使修改后的even₁[n]维持原始数据集S₀[n]中某些整数性质，且只包含信号S₀[n]的低频成分，即

S₁[n]=even₁[n]+U(d₁[n])                              (3)

其中，修改后的even₁[n]记为S₁[n]。