[发明专利]一种风电功率短期预测方法

权利要求书

1.一种风电功率短期预测方法，其特征在于，该方法包括如下步骤：

(1)获取训练数据集，所述的训练数据集包括历史风速时序序列和历史天气数据，采用历史风速时序序列进行模型训练得到风速预测模型，同时利用历史风速时序序列和历史天气数据进行模型训练得到风电功率预测模型；

(2)获取预测数据集，所述的预测数据集包括待进行风电功率预测期限前的设定时间段的历史风速时序序列以及预测期限内的天气预报数据；

(3)将预测数据集中的历史风速时序序列输入至风速预测模型得到预测期限内的预测风速时序序列；

(4)将预测风速时序序列和预测数据集中的天气预报数据输入至风电功率预测模型得到预测期限的风电功率预测值。

2.根据权利要求1所述的一种风电功率短期预测方法，其特征在于，步骤(1)中建立风速预测模型具体为：

(11)采用基于集合经验模态分解方法将训练数据集中的历史风速时序序列分解为频域稳定的n个风速子序列；

(12)将n个风速子序列进行相空间重构得到n个风速重构子矩阵；

(13)建立n个风速预测模型；

(14)将n个风速重构子矩阵分别作为一个训练样本输入至风速预测模型，每个风速预测模型对应输出一个风速预测子序列；

(15)对相空间重构参数和风速预测模型参数进行寻优求解得到最优相空间重构参数和风速预测模型参数。

3.根据权利要求2所述的一种风电功率短期预测方法，其特征在于，所述的风速预测模型为最小二乘支持向量机风速预测模型。

4.根据权利要求3所述的一种风电功率短期预测方法，其特征在于，步骤(3)具体为：

(31)采用基于集合经验模态分解方法将预测数据集中的历史风速时序序列分解为频域稳定的n个风速预测子序列；

(32)通过确定的最优相空间重构参数对n个风速预测子序列分别进行相空间重构得到n个风速重构预测子矩阵；

(33)将n个风速重构预测子矩阵作为预测输入并输入至确定好最优风速预测模型参数的最小二乘支持向量机风速预测模型得到n个风速预测子序列；

(34)将n个风速预测子序列进行叠加得到预测风速时序序列。

5.根据权利要求4所述的一种风电功率短期预测方法，其特征在于，所述的基于集合经验模态分解方法具体为：

(a)将待分解的历史风速时序序列加入服从正态分布的白噪声序列，构成新的风速目标序列；

(b)对风速目标序列进行经验模态分解，求出n-1个本征模态函数分量C_i(t)和剩余的1个残差分量r_n(t)，i＝1,2……n-1；

(c)更新白噪声序列重复执行步骤(a)～(b)直至进行p次经验模态分解分解得到p组本征模态函数分量和残差分量；

(d)对p组本征模态函数分量和残差分量对应求取均值并作为频域稳定的n个风速子序列。