[发明专利]一种不依赖于模型的极短期风预测方法

说明书

本发明公开了一种不依赖于模型的极短期风预测方法，实际是将预测问题转换为轨迹跟踪问题，包括步骤：1)设计风预测控制率；2)运动方程离散化；3)根据风预测控制率，通过历史数据获得υ^*和θ^*；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。本发明不依赖于风模型即可进行风预测，且进行风预测时，使用了多步历史数据，增加了预测准确性和可靠性。本发明方法不仅能进行仿真验证，且简单易行，便于应用于实际中去，另外，能够保证预测误差的收敛性。

技术领域

本发明涉及风力发电的技术领域，尤其是指一种不依赖于模型的极短期风预测方法。

背景技术

随着风机越来越大，更加灵活、更加先进的控制器对于降低疲劳伤害、优化风能捕获变得越来越重要。已有文献表明利用短期风预测信息得到的预测控制器能够通过补偿测量信息和执行机构时延来优化风机性能。现有风预测的方法主要有：自回归滑动平均模型(ARMA)、人工神经网络(ANN)、支持向量机(SVM)等。以上所说的现有的主要预测方法绝大多数都属于依赖于模型的方法，并且它们也仅仅是通过仿真进行评估，更重要的是这些方法并不能保证预测误差的收敛性。

因此，需要一种不依赖于模型、简单易应用于实际、可靠性和稳定性好且能保证预测误差收敛的风预测方法。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种不依赖于模型的极短期风预测方法，该方法易于应用于实际，可靠性和稳定性好，可以保证预测误差收敛性，从而为风机控制器优化提供技术支持。

为实现上述目的，本发明所提供的技术方案为：一种不依赖于模型的极短期风预测方法，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