[发明专利]一种基于风速特性的短期风速预测方法及系统

说明书

本发明公开一种基于风速特性的短期风速预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行奇异值分解，获取去噪序列和噪声余项；获取对所述去噪序列进行变分模态分解的最优模态数；对所述去噪序列进行变分模态分解，获取各分量序列；利用改进的平均影响值法获取所述环境因素中与输出风速高相关的信息，并结合所述分量序列或余项建立长短期记忆网络模型；通过改进的极值优化法优化网络模型，获取预测模型；通过所述预测模型对所述各分量序列和所述噪声序列进行预测，获取各分量和余项预测结果；累加各分量和余项预测结果，获取风速预测结果；本发明的风速预测方法或系统显著提高了预测模型可靠性，可获得高精度预测结果。

技术领域

本发明涉及风速预测领域，特别是涉及一种基于风速特性的短期风速预测方法及系统。

背景技术

近年来，全球能源形势日趋严峻，能源需求不断增大。由国际能源组织(IEA)报道可知，2018年全球能源需求增长2.3％，是过去十年能源需求增长最快的一年。然而，随着非可再生资源不断消耗，环境问题不断加重，为保持供需平衡，改善全球环境，能源系统应向更可持续化的方向转变。能源系统转型的核心是发展可再生能源，风能作为可再生能源之一，也应加快发展速度。

现阶段，全球风能资源丰富，风力发电成本大幅度下降，风力发电得到了快速发展。全球风能理事会(GWEC)《2018全球风电发展报告》指出，2018年全球风能产业新增装机容量为51.3GW，总装机容量为519GW，其中中国装机容量位居世界首位。大规模风电接入电力系统加剧了电网实时调度的难度，对电网的安全和稳定带来挑战。风电功率的预测是解决上述问题的主要途径之一，因此，世界各国十分重视风电功率的预测研究。又因为准确的风速预测有利于解决风电输出功率控制、电网安全经济调度等问题，因此，风速预测具有十分重要的研究意义和价值。

发明内容

本发明的目的是提供一种基于风速特性的短期风速预测方法及系统，用以获得高精度预测结果的同时提高预测模型的可靠性。

为实现上述目的，本发明提供了如下方案：

一种基于风速特性的短期风速预测方法，所述方法包括：

获取原始风速序列；对所述风速序列进行奇异值分解，获取去噪序列和噪声余项；

根据模态数优化方法，获取对所述去噪序列进行变分模态分解的最优模态数；

根据最优模态数的变分模态分解方法，对所述去噪序列进行分解，获取若干分量序列；

获取影响风速预测的其他环境因素，利用改进的平均影响值法获取所述环境因素中与输出风速相关性高的信息，并结合所述分量序列或余项建立长短期记忆网络模型；

通过改进的极值优化算法优化网络模型，获取优化后的预测模型；

通过所述预测模型对多个所述分量序列进行预测，获取分量预测结果；

通过所述预测模型对所述噪声余项进行预测，获取余项预测结果；

累加分量和余项预测结果，获取风速预测结果。

可选的，所述获取去噪序列和噪声余项，具体包括：

获取原始风速数据；

对所述风速序列构造Hankel矩阵，通过奇异值分解法获取所述Hankel矩阵的奇异值，并对所述奇异值进行从大到小排序；获取上述奇异值的差分谱；

根据所述奇异值差分谱中的最大突变点确定有效奇异值个数，并对所述风速信号进行重构，获取去噪信号和噪声余项。

可选的，所述获取对所述去噪序列进行变分模态分解的最优模态数，具体过程包括：

对所述去噪序列构造当前模态数下的约束变分模型；