[发明专利]基于人工神经网络改进灰色模型的短期风速预测方法

权利要求书

1.基于神经网络法改进灰色模型的短期风速预测方法，其特征在于，包括以下步骤：

1)输入风速数据，对风速数据构成的原始序列进行数据预处理；

2)建立基于灰色理论的风速预测模型；

3)利用人工神经网络法预测灰色风速的残差序列；

4)根据步骤3)得到的残差序列预测值进一步获取风速预测值。

2.根据权利要求1所述的基于神经网络法改进灰色模型的短期风速预测方法，其特征在于，所述步骤1)中进行数据预处理是指当预测时刻的风速数据与前一时刻的风速数据大小相差超过10％时，基于以下方程对风速数据进行预处理：

Xs(m+1)=Xs(m)+(Xs(m+1)-Xs(m)3)]]>

上式中X_s(m+1)表示m+1时刻的风速数据，X_s(m)表示m时刻的风速数据。

3.根据权利要求1所述的基于神经网络法改进灰色模型的短期风速预测方法，其特征在于，所述步骤2)中建立基于灰色理论的风速预测模型，包括以下步骤：

1)对风速数据进行累加生成操作，如下：

用X⁽⁰⁾代表风速数据，进行累加生成操作，其中，X⁽¹⁾是X⁽⁰⁾的一阶累加生成，它的元素可由以下公式确定：

X⁽¹⁾(1)＝X⁽⁰⁾(1)

X(1)(k)=Σm=1kX(0)(m),k=2,3,...5]]>

其中，上标1表示原始序列的一阶累加生成；

2)灰色风速预测模型的背景值确定如下：

Z⁽¹⁾(k)＝gX⁽¹⁾(k)+(1-g)X⁽¹⁾(k-1),k＝2,3...5

上式中Z⁽¹⁾(k)表示背景值，g是生成系数；

3)建立灰色风速预测模型的方程如下：

X⁽⁰⁾(k)+aZ⁽¹⁾(k)＝bX⁽¹⁾(k)

上式中a是发展系数，b是由最小二乘法获得的灰色输入系数；

定义矩阵B和Y_N如下：

B=-Z(1)(2)1-Z(1)(3)1-Z(1)(4)1-Z(1)(5)1]]>

YN=X(0)(2)X(0)(3)X(0)(4)X(0)(5)]]>

系数a，b的值由以下等式确定：

ab=(BTB)-1*BT*YN;]]> 1

4)确定灰色风速预测模型的微分方程如下：

dX(1)dt+aX(1)(t)=b]]>

上述微分方程的解如下：

X^(1)(k+1)={X(0)(1)-b/a}*e-at+b/a,k≥1]]>

其中，e为数学常数，是自然对数函数的底数，是的X⁽¹⁾(k)的估计值，由一个序列的一阶累加生成的第一个元素估计值等于该序列的第一个元素，确定以下关系：

X^(1)(1)=X(0)(1);]]>

5)进行累减生成操作，确定风速预测值：

X^(0)(k)=X^(1)(k)-X^(1)(k-1),k≥2]]>

其中，是原始序列X⁽⁰⁾(k)的估计值。