[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

说明书

技术领域

发明涉及一种基于人工神经网络改进灰色模型的短期风速预测方法，属于短 期风速预测领域。

背景技术

世界能源危机和环境保护的双重压力，促使世界各国家地区更加重视可持续 发展能源和清洁能源的开发利用。其中风能清洁无污染，能量大，使用前景广阔。 如今国内外对于风力发电的研究日渐深入，范围也日趋变广，包括大型风力发电 机组、风电穿透功率等方面。发电量由风能大小决定。风能的大小则受到风速大 小的影响。由此可以得出，风速的大小同风力发电效率有着密切的联系。当风机 刚刚投入工作发电时，风速的值被称作切入风速，也称作启动风速。这个时刻是 风机用于确定额定功率时风的速度的。它是一个确定的值。此时风机的功率达到 最大值。当风速为某一个数值——切出风速时，风电机继续运行会有一定的危险。 此时风速是一个极大值。可能出现的情况有损坏机械、大幅度不稳定输出等。这 些都要求我们对未来风速要有一个相对准确的预测。

目前适合用于风速短期预测的方法有很多。其中一些统计方法包括有线性回 归，多元回归分析，ARMA(自回归移动平均)，基于卡尔曼滤波器技术方法，博 克斯和詹金斯模型。同时越来越多的智能算法也被运用于此，如利用专家系统， ANN(人工神经网络)，模糊逻辑，ESN(回声状态网络)。将多种方法组合，如基 于模糊推理和人工神经网络方法的组合模型，基于WT(小波变换)，人工神经网 络，EA(进化算法)的组合模型，基于ARMAX(自回归(AR)和移动平均(MA) 的外生变量)和PSO(粒子群法)的组合模型，以及ANN和ANFIS的组合模型很 常用。组合模型的优越性是显而易见的。GM(灰色模型)独立进行预测得到的短 期风速预测结果有时候不够精确，因而需要结合其他方法来提高它的性能。

发明内容

发明目的：本发明提出一种基于人工神经网络改进灰色模型的短期风速预测 方法，以更高的精度和稳定性得到风速预测值。

技术方案：本发明采用如下技术方案：

一种基于神经网络法改进灰色模型的短期风速预测方法，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)得到的残差预测值进一步获取风速预测值。

进一步地，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：

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。

进一步地，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)

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：

系数a，b的值由以下等式确定：

4)确定灰色风速预测模型的微分方程如下：

上述微分方程的解如下：

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：