[发明专利]一种基于DWT和LSTM的短期风力发电功率预测方法及系统

权利要求书

1.一种基于DWT和LSTM的短期风力发电功率预测方法，其特征在于，包括以下步骤：

S10.采集风力发电功率原始数据，并采用DWT将风力发电功率原始数据分解成低频信号和高频信号；

S20.采用z-score标准化方法对步骤S10中的低频信号和高频信号进行标准化处理，并使得标准化后的数据服从正态分布；

S30.将步骤S20中标准化后的低频信号和高频信号按照时间排序分为训练集、验证集以及测试集；

S40.采用独立的LSTM对每个信号的训练集和验证集进行训练，并对每个信号的测试集进行预测得到各分量预测值，对各分量预测值求和得到预测结果。

2.根据权利要求1所述的基于DWT和LSTM的短期风力发电功率预测方法，其特征在于，步骤S20中，标准化后的数据z(t)服从正态分布：

式中，x′(t)表示风力发电功率原始数据x(t)分解后的信号(a_n,d₁…d_n)，x′_mean和x′_std分别为x′(t)的均值和标准差。

3.根据权利要求1所述的基于DWT和LSTM的短期风力发电功率预测方法，其特征在于，步骤S30中，将经过z-score标准化后的所有近似信号和细节信号按照时间顺序，前70％作为训练集，接着的20％作为验证集，最后的10％作为测试集。

4.根据权利要求1所述的基于DWT和LSTM的短期风力发电功率预测方法，其特征在于，步骤S40中包括以下步骤：

S41.采用独立的LSTM对每个信号的训练集和验证集进行训练；

S42.LSTM训练结束后，对每个信号的测试集进行预测得到预测值；

S43.对步骤S42中所述预测值进行反z-score标准化，得出每个信号测试集的实际预测值；

S44.将步骤S43中每个信号测试集经过反z-score标准化的实际预测值叠加，得出测试集的实际预测结果。

5.根据权利要求1所述的基于DWT和LSTM的短期风力发电功率预测方法，其特征在于，步骤S43中，对各分量预测值p(t)，进行反z-score标准化，得出每个信号测试集的实际预测值y(t)，如下式：

y(t)＝p(t)*x′_std+x′_mean

将每个测试集经过反z-score标准化的预测结果叠加，得出所述测试集的实际预测结果。

6.一种基于DWT和LSTM的短期风力发电功率预测系统，其特征在于，包括用于采集风力发电功率原始数据的数据采集模块、用于对原始数据进行预处理的预处理模块、用于存储处理后数据的数据存储模块以及用于对原始数据进行训练和预测的训练预测模块，所述数据采集模块、预处理模块、数据存储模块以及训练预测模块顺次连接。

7.根据权利要求6所述的基于DWT和LSTM的短期风力发电功率预测系统，其特征在于，所述预处理模块包括信号连接的离散小波变换模块以及z-score标准化模块。

8.根据权利要求6所述的基于DWT和LSTM的短期风力发电功率预测系统，其特征在于，所述数据存储模块中存储的信号包括近似信号和细节信号。

9.根据权利要求6至8任一项所述的基于DWT和LSTM的短期风力发电功率预测系统，其特征在于，所述训练预测模块为LSTM训练模块，若干LSTM训练模块连接有反z-score标准化模块，若干反z-score标准化模块连接有预处理模块。