[发明专利]风电功率超短期预测方法

权利要求书

1.一种风电功率超短期预测方法，其特征在于，包括如下步骤：

建立一灰色模型；所述灰色模型包括一个输入通道及一个输出通道，所述输入通道用于输入至少一时间段的历史风电功率，所述输出通道用于输出对应任一时间段的历史风电功率拟合值或对应未来连续四个时间段的风电功率初步预测值；

连续输入至少一时间段的历史风电功率至所述灰色模型，获取所述历史风电功率拟合值或者对应未来至少一时间段的所述风电功率初步预测值；

建立一BP神经网络；所述BP神经网络包括三个BP输入通道及一个BP输出通道，三个BP输入通道分别用于输入任一时间段的平均风速、平均风向以及所述灰色模型的历史风电功率拟合值或所述风电功率初步预测值，所述BP输出通道用于输出风电功率最终预测值；所述BP神经网络用于映射所述风电功率最终预测值与所述输入任一时间段的平均风速、平均风向以及所述历史风电功率拟合值或所述风电功率初步预测值之间的非线性关系；

获取用于训练所述BP神经网络的至少一训练样本；每一训练样本包括从数值天气预报中获取的任一时间段的平均风速、平均风向以及所述历史风电功率拟合值三个输入值，包括该时间段的历史风电功率这一输出值；

根据所述训练样本，用BP算法训练所述BP神经网络，优化所述BP神经网络，获取所述BP神经网络的连接权值；

在所述BP神经网络的输入通道输入未来连续四个时间段的平均风速和平均风向、未来连续四个时间段的风电功率初步预测值；以及

所述BP神经网络根据所述连接权值计算并输出未来连续四个时间段的风电功率最终预测值至所述BP输出通道。

2.如权利要求1所述的风电功率超短期预测方法，其特征在于，根据所述训练样本，用BP算法训练所述BP神经网络，优化所述BP神经网络，获取所述BP神经网络的连接权值，包括如下步骤：

用BP算法初始化所述BP神经网络，定义迭代次数及目标值；

输入一训练样本至所述BP神经网络；

计算该训练样本在所述BP神经网络中输出的误差性能指标；

判断所述误差性能指标是否达到设定的目标值以及是否达到设定的迭代次数，若所述适应值未达到目标值且未达到设定的迭代次数，将所述误差性能指标反向传播，调整所述BP神经网络内部各节点的权值，重新输入该训练样本，重复上述步骤；若所述误差性能指标达到设定的目标值或达到设定的迭代次数，重新输入另一训练样本至所述BP神经网络，重复上述步骤，直至所有训练样本的误差性能指标达到设定的目标值或达到设定的迭代次数，停止输入训练样本；

计算对应所述BP神经网络的输出端与输入端之间的连接权值。

3.如权利要求2所述的风电功率超短期预测方法，其特征在于，输入一训练样本至所述BP神经网络，包括如下步骤：

输入一训练样本中的三个输入值至所述BP神经网络的三个输入端；

将输入数据在所述BP网络内正向传播；

所述BP神经网络的输出端输出一个计算后的风电功率；

将该训练样本中的历史风电功率与计算后的风电功率对比，计算所述BP神经网络的输出误差。

4.如权利要求1所述的风电功率超短期预测方法，其特征在于，所述每一时间段为连续的15分钟。