[发明专利]一种基于小数据量法的短期风速预测方法及系统

权利要求书

1.一种基于小数据量法的短期风速预测方法，其特征在于，包括如下步骤：

S1：获取预设长度的风速时间序列；

S2：利用自相关函数法计算获取的风速时间序列的时间延迟；

S3：根据G-P算法和Taken定理计算所述风速时间序列的嵌入维数；

S4：根据所述风速时间序列的时间延迟和嵌入维数重构相空间；

S5：对所述重构的相空间的矩阵通过小数据量法计算所述风速时间序列的最大Lyapunov指数；

S6：基于所述最大Lyapunov指数建立所述风速时间序列的预测模型，利用所述预测模型对所述风速时间序列之后的短期风速进行预测。

2.根据权利要求1所述的基于小数据量法的短期风速预测方法，其特征在于，所述步骤S1中风速时间序列的形成方法为：采集风电场的风速数据，将采集的风速数据按照采集时间点的先后顺序排列并形成风速时间序列。

3.根据权利要求2所述的基于小数据量法的短期风速预测方法，其特征在于，所述步骤S1中还包括采用单步平滑法对获取的风速时间序列进行平滑处理的步骤。

4.根据权利要求1所述的基于小数据量法的短期风速预测方法，其特征在于，所述步骤S3具体包括：

S31：根据预设嵌入维数和时间延迟重构第一相空间；

S32：计算关联积分；

S33：根据重构的第一相空间的领域半径和计算得到的关联积分，利用G-P算法计算饱和关联维数；

S34：根据计算得到的饱和关联维数，利用Taken定理计算风速时间序列的嵌入维数。

5.根据权利要求4所述的基于小数据量法的短期风速预测方法，其特征在于，所述步骤S33具体包括：

根据计算得到的关联积分C(r)和重构的第一相空间的领域半径r，计算对应于预设嵌入维数m₀＝1的关联维数估计值d(m₀＝1)，所述关联积分和第一相空间的领域半径具有对数线性关系，具体表达式如下：

d(m0=1)=ln C(r,m0=1)ln r]]>

式中，m₀为预设嵌入维数，C(r,m₀＝1)为嵌入维数为m₀时的关联积分，r为相空间的领域半径；

增加预设嵌入维数，利用G-P算法计算饱和关联维数。

6.一种基于小数据量法的短期风速预测系统，其特征在于，包括：

获取模块，用于获取预设长度的风速时间序列；

时间延迟计算模块，用于利用自相关函数法计算风速时间序列的时间延迟；

嵌入维数计算模块，用于根据G-P算法和Taken定理计算风速时间序列的嵌入维数；

相空间重构模块，用于根据风速时间序列的时间延迟和嵌入维数重构相空间；

Lyapunov指数计算模块，用于对重构的相空间的矩阵通过小数据量法计算风速时间序列的最大Lyapunov指数；

预测模块，用于基于最大Lyapunov指数建立风速时间序列的预测模型，利用所述预测模型对所述风速时间序列之后的短期风速进行预测。

7.根据权利要求6所述的基于小数据量法的短期风速预测系统，其特征在于，还包括风速时间序列形成模块，用于采集风电场的风速数据，将采集的风速数据按照采集时间点的先后顺序排列并形成风速时间序列。

8.根据权利要求7所述的基于小数据量法的短期风速预测系统，其特征在于，还包括平滑处理模块，用于采用单步平滑法对获取的风速时间序列进行平滑处理。