[发明专利]基于去趋势分析和门控循环网络的风电厂风速预测方法

权利要求书

1.一种基于去趋势分析和门控循环网络的风电厂风速预测方法，其特征在于，包括以下步骤：

步骤S1：获取风电厂的风速历史数据，并构建功率历史数据时间序列；

步骤S2：采用变分模态分解将功率历史数据时间序列分为15个子序列；

步骤S3：采用去趋势分析，计算每个序列的尺度参数，尺度参数大于0.5的视为有用分量，小于0.5的视为噪声分量滤去；

步骤S4：根据功率历史数据时间序列，对每个有用分量取待预测采样点及其前15个功率历史数据采样点构成一组数据,视为训练数据集的子数据集；

步骤S5：对每一有用序列构建随机森林预测模型，并通过对应的训练数据集的子数据集训练随机森林预测模型，其中尺度参数大于1的用2隐含层网络建模，尺度参数小于1的用4隐含层网络建模；

步骤S6：输入时有用分量临近的15个时刻风速历史数据采样值，分别输入对应的训练后随机森林预测模型，即可得到下一时刻该分量预测结果；

步骤S7:对每个有用分量的预测结果叠加，得到下一时刻风速的预测结果。

2.根据权利要求1所述的基于去趋势分析和门控循环网络的风电厂风速预测方法，其特征在于：所述功率历史数据采样频率为每10分钟采样一次。

3.根据权利要求1所述的基于去趋势分析和门控循环网络的风电厂风速预测方法，其特征在于：所述步骤S4具体为：将每个有用分量取每一个采样点及其前15个风速采样点构成一组数据，前15个功率历史数据视为相关变量，待预测采样点点视为结果变量，得到一组训练数据集的子数据集。

4.根据权利要求1所述的基于去趋势分析和门控循环网络的风电厂风速预测方法，其特征在于：所述随机森林预测模型构建具体为：

其中，为重置门的当前状态，其值较大时会获取更多短期记忆信息，重置门控制输入与前一时刻系统输出的结合形态; 为更新门当前状态，其值较大时会获取更多长时记忆信息，其决定了前一时刻信息流入当前时刻的量，为候选激活值。