[发明专利]一种基于模糊分区理论的神经网络风功率短期预测方法

权利要求书

1.一种基于模糊分区理论的神经网络风功率短期预测方法，其特征在于：所述方法包括如下步骤，

步骤1)，基于模糊分区理论，将风力等级分为无风(ZO)、小风(S)、中小风(MS)、中风(M)、中大风(MB)、大风(B)、超大风(BB)七个模糊分区，也称模糊集合A，并确定该模糊集合A的隶属度函数类型；

步骤2)，将从气象预测获得的风速数据按时间段进行风力等级模糊分区处理，确定各模糊分区范围，通过步骤1所述的隶属度函数，得到各个分区的隶属度值，用μ_i表示；

步骤3)，进行BP神经网络分区预测，得到各个分区的预测值，用net_out_i表示，然后将各个分区的预测值net_out_i乘以该分区的隶属度值μ_i，再将所有分区μ_i·net_out_i的值相加，得到功率预测值；

步骤4)，将步骤3得到的功率预测值进行概率修正，获得功率阈值。

2.根据权利要求1所述的基于模糊分区理论的神经网络风功率短期预测方法，其特征在于：步骤1)中，所述模糊集合A是指，对于任意的x∈X，都有一个确定的数μ_A(x)∈[0,1]与其对应，μ_A(x)表示x相对于A的隶属程度，映射：

μA:X→[0,1]x→μA(x)---(1.1)]]>

叫做A的隶属度函数，所述隶属度函数选取三角形隶属度函数：

μtriangle(x;a,b,c)=0,x≤a,x-ab-a,a≤x≤b,c-xc-b,b≤x≤c,0,c≤x.---(1.2)]]>其中，a，b，c是三角形的3个顶点位置，且满足a＜b＜c。