[发明专利]一种混合风力发电的预测方法及系统

权利要求书

1.一种混合风力发电的预测方法，其特征在于，包括：

获取风电场的风向、风速及对应的风电输出功率的历史数据，并对所述历史数据进行抽样得到样本数据；

对所述样本数据的统计特性进行判断分析，获取风频集中且风电输出功率差异达到差异阈值的风向，并根据所获取的风向及其与风速、风电输出功率的对应关系采用模糊层次聚类法，将所述样本数据划分为三类；

采用神经网络算法对每类样本进行训练，对应形成三类特定的风力发电预测模型，将这三类特定的风力发电预测模型进行合并处理，建立用于对风力发电产能进行预测的混合风力发电预测模型。

2.根据权利要求1所述的混合风力发电的预测方法，其特征在于，还包括：

获取测试用的样本数据，对所建立的混合风力发电预测模型进行调试；

根据混合风力发电预测模型输出的测试结果，对所述混合风力发电预测模型进行修正；

其中，所述测试用的样本数据从所述风电场的风向、风速及对应的风电输出功率的历史数据中抽样得到。

3.根据权利要求1所述的混合风力发电的预测方法，其特征在于，还包括：

利用所述混合风力发电预测模型，对风力发电厂的输出产能进行测试；

在进行预测时，判断输入数据的风向，根据所确定的风向，调用对应的风力发电预测模型计算所述风电场的风电输出功率的预测值，输出对应的测试结果。

4.根据权利要求1所述的混合风力发电的预测方法，其特征在于，所述混合风力发电预测模型的形成方式还包括：

分别为所述三类特定的风力发电预测模型配置对应的样本权重参数；

根据每个预测模型的样本权重参数，将根据风向建立的预测模型进行合并，建立混合风力发电预测模型。

5.根据权利要求1至4任一项所述的混合风力发电的预测方法，其特征在于，该方法还包括：

对所述混合风力发电预测模型进行反复迭代，使所述混合风力发电预测模型逐渐收敛，直到输出结果趋于稳定。

6.一种混合风力发电的预测系统，其特征在于，包括：

抽样模块，用于对所获取的风电场的风向、风速及对应的风电输出功率的历史数据进行抽样得到样本数据；

分析模块，用于对所述样本数据的统计特性进行判断分析，获取风频集中且风电输出功率差异达到差异阈值的风向；

处理模块，用于根据所获取的风向及其与风速、风电输出功率的对应关系采用模糊层次聚类法，将所述样本数据划分为三类；

模型初建模块，用于采用神经网络算法对每类样本进行训练，对应形成三类特定的风力发电预测模型；

混合处理模块，用于将这三类特定的风力发电预测模型进行合并处理，形成用于对风力发电产能进行预测的混合风力发电预测模型。

7.根据权利要求6所述的混合风力发电的预测系统，其特征在于，该系统还包括：

测试修正模块，用于获取测试用的样本数据，对所建立的混合风力发电预测模型进行调试、修正及优化。

8.根据权利要求6所述的混合风力发电的预测系统，其特征在于，该系统还包括：

数据输入装置，用于获取测试数据；

测试装置，配置有所述混合风力发电预测模型，用于根据所获取的测试数据，判断输入数据的风向，根据所确定的风向，调用所述混合风力发电预测模型中对应的风力发电预测模型，对风力发电厂的输出产能进行测试；

输出装置，用于获取所述混合风力发电预测模型测试得到的所述风电场的风电输出功率的预测值，并输出对应的测试结果。

9.根据权利要求6至8任一项所述的混合风力发电的预测系统，其特征在于，所述混合处理模块还包括：

参数配置单元，用于分别为所述三类特定的风力发电预测模型配置对应的样本权重参数；

合并处理单元，用于根据每个预测模型的样本权重参数，将根据风向建立的预测模型进行合并，建立混合风力发电预测模型；

迭代优化单元，用于对所述混合风力发电预测模型进行反复迭代，使所述混合风力发电预测模型逐渐收敛，直到趋于稳定。

10.根据权利要求9所述的混合风力发电的预测系统，其特征在于，所述混合风力发电预测模型进一步包括：

风向识别单元，用于判断输入数据的风向；

模型调用单元，用于根据所确定的风向，调用所述混合风力发电预测模型中对应的风力发电预测模型，对风力发电厂的输出产能进行测试。