[发明专利]一种基于奇异谱分析和局部敏感哈希的多步风能预测方法

权利要求书

1.一种基于奇异谱分析和局部敏感哈希的多步风能预测方法，其特征在于，包括以下步骤：

1)获取风电场历史风能数据；

2)利用奇异谱分析将风电场历史风能数据分解成两个分量：低频的平均趋势分量和高频的波动分量；

通过奇异谱分析对长度为N的风电场历史风能数据y＝[y₁ y₂ … y_N]嵌入、奇异值分解、分组和重构，得到多个特征值、相应的贡献率和相应的特征向量代表的信号，根据贡献率的大小将风电场历史风能数据分解成两个独立的分量：反映风能总体变化趋势的低频的平均趋势分量和体现风的间歇性和波动性的高频的波动分量

3)在相空间中将步骤2)获得的平均趋势分量和波动分量重构成平均趋势段和波动分量段；

通过选定嵌入维s和延时参数τ，将平均趋势分量y⁽¹⁾和波动分量y⁽²⁾根据原则重构在高维相空间中获得平均趋势段和波动分量段其中i＝1,2,…,N-(s-1)τ；

4)利用局部敏感哈希选取待预测平均趋势段的相似平均趋势段；

利用局部敏感哈希对平均趋势段建立索引获得多个数据集，随后通过计算待预测平均趋势段与其所在数据集中的数据段的欧氏距离，根据所得的欧氏距离从小到大排序，返回前L条相似平均趋势段；

5)将获得的相似平均趋势段和对应的波动分量段的综合作为支持向量回归模型的训练输入，预报结果即为风电输出功率；

提取出与L条相似平均趋势段相对应的波动分量段并将这两者的综合作为支持向量回归模型训练输入，训练输出为y_ij+(s-1)τ+p，其中p为提前步数，ij∈[1～N-(s-1)τ-1]，j＝1,2…L。