[发明专利]一种不依赖于模型的极短期风预测方法

权利要求书

1.一种不依赖于模型的极短期风预测方法，其特征在于，该方法实际是将预测问题转换为轨迹跟踪问题：

将横轴为时间t，纵轴为y轴的坐标系记为toy坐标系，风信息沿toy坐标系中的任意曲线C变化，在某一时刻，风信息是曲线C上的一个点P_a＝(t,y_a)，风信息预测是toy坐标系中的移动点P＝(t,y)，则预测问题转化为点P对点P_a的跟踪问题；

点P在toy坐标系中的运动方程为：

式中，y是坐标系中移动点P的位置变量，υ是移动点P的线速度，θ是移动点P的方向角，即线速度与时间轴方向的夹角，且θ∈(-π/2,π/2)，是移动点P的角速度；

点P_a的运动方程为：

式中，y_a是坐标系中移动点P_a的位置变量，υ_a是移动点P_a的线速度，θ_a是移动点P_a的方向角，即线速度与时间轴方向的夹角，且θ_a∈(-π/2,π/2)，是移动点P的角速度；

综合考虑到轨迹跟踪的位置控制和方向控制，定义跟踪误差ε如下：

式中，e和s分别是沿P_a的线速度方向及其垂直方向的跟踪误差，θ_e是方向角误差，δ_y＝y-y_a是y轴方向的跟踪误差；

通过轨迹跟踪控制率υ、ω的设计，使移动点P(t)能够稳定地跟踪实际轨迹P_a(t)，即在某一时刻之后跟踪误差一致最终有界或者最终收敛到0，实现风信息的预测；

所述极短期风预测方法，包括以下步骤：

1)设计风预测控制率

预测点P(t)跟踪实际点P_a(t)，若υ和ω按照如下控制率进行更新：

则能够实现预测点P(t)对实际点P_a(t)的一致最终有界跟踪，即实现风信息的预测，其中，η₁和η₂均是正的常数；

证明：定义非负李雅普诺夫函数求V对时间的导数/并将υ和ω的控制率带入，最终得：

/

因为V≥0、根据李雅普诺夫稳定性理论得V有界，进而得e和s是有界的，θ_e＝θ-θ_a∈(-π，π)也是有界的；由于/有界，因此/和/有界，又有/和/有界，根据Barbalat引理可得，当时间t趋于无穷时，δ_ysinθ和sinθ_e趋于零，因此当时间t趋于无穷时，e趋于零、s趋于零、θ_e趋于零；

2)运动方程离散化

将上面公式(1)中的离散化得到：

y((k+1)T)＝y(kT)+Tυ^*sinθ^* (6)

式中，k为正整数，T是采样周期，y((k+1)T)和y(kT)分别是风预测值在下一采样时刻和当前采样时刻的值，υ^*和θ^*分别是下一采样时刻的期望线速度和方向角；

3)根据风预测控制率，通过历史数据获得υ^*和θ^*，具体过程如下：

根据公式(4)，离散化后，下一采样时刻期望角速度ω^*的控制率如下：

式中，δ_y(kT)是当前时刻y轴方向的跟踪误差，δ_y(kT)＝y(kT)-y_a(kT)；y((k-1)T)是上一时刻预测值；y_a(kT)、y_a((k-1)T)、y_a((k-2)T)分别是实际风信息的当前采样时刻值、上一采样时刻值、上上一采样时刻值；θ_a(kT)、θ_a((k-1)T)分别是当前时刻实际方向角、上一时刻实际方向角，θ_a(kT)＝arctan((y_a(kT)-y_a((k-1)T))/T)，θ_a((k-1)T)＝arctan((y_a((k-1)T)-y_a((k-2)T))/T)；ω_a(kT)是当前时刻实际角速度，ω_a(kT)＝(θ_a(kT)-θ_a((k-1)T))/T；θ(kT)是当前采样时刻的预测值的方向角，θ(kT)＝arctan((y(kT)-y((k-1)T))/T)；υ_a(kT)是当前采样时刻实际线速度，k是大于2的正整数；

由于θ^*未知，根据及/通过Tω^*+θ(kT)来得到θ^*；

根据公式(4)，离散化后，下一采样时刻期望线速度υ^*的控制率如下：

4)将步骤3)得到的υ^*和θ^*带入到式(6)即可得到下一采样时刻的风预测值。