[发明专利]一种基于NARX神经网络的风速预测方法及装置

说明书

技术领域

本发明涉及风电控制技术领域，特别是涉及一种基于NARX神经网络(非 线性自回归神经网络)的风速预测方法及装置。

背景技术

在国家产业政策的支持下，近十年来，中国风电产业经历了突飞猛进 式的增长，中国已经成为名副其实的风电大国，风电和可再生能源的大发 展是未来不可逆转的趋势。过去几年，风电开发的重点从高风速向低风速 区域转移，中国风电整机企业通过自主创新，积极开发更大单机容量、更 大叶轮、适应更低风速、更加智能的新机型，不断提升风资源开发潜力和 风能利用水平。风能利用效率更高的超低风速风机不断涌现。

风速的准确测量对于变速风机最大限度的吸收风能至关重要，特别是 在额定风速以下时，风速是变桨控制和转矩控制的重要参数。而风速受气 压和温度等多种因素的影响，随机性非常大，准确预测的难度很大。目前 常见的预测方法有神经网络法，卡尔曼滤波法，时间序列法等。其中时间 序列法在高阶模型的参数难以确定导致预测精度不高；卡尔曼滤波法对于 非线性系统预测的难度较大；神经网络法因其对于非线性系统特有的优势 近年来被深入研究。但模型结构基本都采用了传统的后向传播神经网络(BP 网络)，预测精度不是很高；如专利CN104112166A，一种风电场的短期风 速预测方法及系统就是采用了BP网络，同时对训练数据进行了处理。专利 CN103927460A，一种基于RBF的风电场短期风速预测方法，采用了RBF 神经网络，对输入输出数据进行归一和反归一化，以温度、湿度、气压和 风向作为输入，但未能充分利用历史数据对于预测风速的影响。

由此可见，上述现有的风速预测方法显然仍存在有不便与缺陷，而亟 待加以进一步改进。如何能创设一种可以充分利用现有的风机硬件及监控 数据的、精确的、便利的风速预测方法和装置,成为当前业界极需改进的目 标。

发明内容

本发明要解决的技术问题是提供一种可以充分利用现有的风机硬件及 监控数据的、精确的、便利的风速预测方法和装置。

为实现上述目的，本发明采用如下技术方案：

一种基于NARX神经网络的风速预测方法，包括如下步骤：步骤A，采 集风速预测所需相关参数的历史数据，所述相关参数包括风速、桨距角、 转速和功率；步骤B，对采集到的数据进行归一化处理；步骤C，将处理后 的数据作为训练样本输入到NARX神经网络中进行训练；步骤D，将测试样 本输入到训练好的NARX神经网络中，并将输出值进行反归一化，得到实际 预测值。

进一步地，所述步骤B中，归一化处理后的数据还需按组进行随机排 序处理。

进一步地，所述NARX神经网络共有3层，分别为输入层、隐层和输出 层；输入层神经元数为4个，分别为功率、桨距角、转速和风速；隐层神 经元个数为8个；输出层节点数为1个，代表对未来时刻风速的预测值； 输出的延时阶数为2。

进一步地，所述步骤B中归一化处理按照如下公式：

y＝(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin

其中，ymax和ymin分别为归一化后数据范围的最大值和最小值；xmax 和xmin分别为归一化前数据的最大值和最小值；y为归一化后的数据，x 为归一化前的数据，所述ymax和ymin分别取1和-1。

一种基于NARX神经网络的风速预测装置，包括：采集模块，采集风速 预测所需相关参数的历史数据，所述相关参数包括风速、桨距角、转速和 功率；处理模块，对采集到的数据进行归一化处理；训练模块，将处理后 的数据作为训练样本输入到NARX神经网络中进行训练；计算输出模块，将 测试样本输入到训练好的NARX神经网络中，并将输出值进行反归一化，得 到实际预测值。

进一步地，所述处理模块，对归一化处理后的数据还需按组进行随机 排序处理。

进一步地，所述NARX神经网络共有3层，分别为输入层、隐层和输出 层；输入层神经元数为4个，分别为功率、桨距角、转速和风速；隐层神 经元个数为8个；输出层节点数为1个，代表对未来时刻风速的预测值； 输出的延时阶数为2。

进一步地，所述处理模块，归一化处理按照如下公式：

y＝(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin