[发明专利]一种风电场短期风速组合预测方法

权利要求书

1.风电场短期风速组合预测方法，其特征在于：包括以下步骤：

步骤1、从风电场数据采集与监视控制系统中进行数据提取并记录，并保存历史风速序列数据；

步骤2、对步骤1中所提取的风速序列进行聚类经验模态分解，得到两个以上的子序列和一个余量；

步骤3、对步骤2中聚类经验模态分解得到的各子序列分别建立最小二乘支持向量机模型，采用自适应扰动粒子群算法和学习效果反馈对影响最小二乘支持向量机模型预测效果的三个参数进行综合选取，该影响最小二乘支持向量机预测效果的三个参数分别是模型输入维数和两个超参数；

步骤4、对各子序列根据最小二乘支持向量机的学习效果选用最优参数进行预测，并将各子序列的预测结果进行叠加，得到风速预测结果。

2.根据权利要求1所述的一种短期风速组合预测方法，其特征在于：所述步骤2中，对采集的风速序列进行聚类经验模态分解包括以下三个步骤：

步骤2.1、向风速序列中加入白噪声序列；加入的白噪音信号服从(0，(αε)²)的正态分布，其中ε为信号的标准差，α为噪音的强度参数；然后使用经验模态分解将加入白噪声的风速序列分解为若干个子序列和一个余量；

步骤2.2、重复步骤1共n次，每次随机加入服从(0，(αε)²)的正态分布的白噪声序列，其中ε为信号序列的标准差，α为序列的强度参数；

步骤2.3、将n次分解得到的若干个子序列分别求整体平均，得到原信号的若干个最终子序列。

3.根据权利要求1所述的一种短期风速组合预测方法，其特征在于：所述步骤2中，所述步骤3中，采用自适应扰动粒子群算法和模型学习效果反馈优化最小二乘支持向量机的具体步骤如下：

基于定义：风速做为一组随机序列，下一时刻的风速与之前m个序列相关，即对于t时刻风速x(t)，与之前m个时刻的风速有关，即存在这样的关系：x(t)=f(x(t-1)，x(t-2)，…，x(t-m))，定义3≤m≤12，即下一时刻的风速与之前3到12个时刻的风速序列数据有关，则综合选取过程如下：

步骤3.1、初始化参数并设定最大迭代次数，包括粒子群算法的参数和初始化输入维数3，初始化的粒子群参数包括：种群规模m，维数D，权重系数w_max和w_min，加速常数c₁和c₂，最大进化代数T_max以及适应度方差阀值；

步骤3.2、基于自适应扰动粒子群算法优化最小二乘支持向量机模型；

步骤3.3、对优化后的模型，以训练数据均方差为标准检验模型学习效果；

步骤3.4、判断是否结束，即是否达到最大迭代次数，是，比较并输出最佳学习效果情况下的维数及LSSVM超参数；否，维数加1并转到步骤3.2；

步骤3.5、以学习效果最佳情况下的输入维数和LSSVM超参数建模进行风速预测。