[发明专利]一种基于信息处理的短期风速预测方法及系统

说明书

本发明公开一种基于信息处理的短期风速预测方法及系统。该方法包括：获取风电场相关环境因素和历史风速数据；计算所述环境因素与风速序列之间的平均影响值，获取与模型输出相关性高的序列作为输入因素；利用能量差法及PSOEO算法优化变分模态分解方法，对所述历史风速序列进行分解，将所述非平稳的风速序列转化为相对平稳的若干分量；利用PSOEO算法优化径向基函数神经网络，获取优化后的风速预测模型；利用所述优化模型，对所述分量序列进行预测，获取所有分量预测结果；累加计算所述分量预测结果，获取最终风速预测结果。本发明的预测方法及系统基于数据处理和方法优化角度进行短期风速预测，能够有效提高风速预测精度以及预测模型的稳定性。

技术领域

本发明涉及风速预测领域，特别是涉及一种基于信息处理的短期风速预测方法及系统。

背景技术

随着全球化石资源不断减少，环境形势日益严峻，煤炭、石油等不可再生能源不再满足全球对能源的需求，因此可再生能源的发展成为世界关注的重点。国际能源署(IEA)发布《2018可再生能源年度报告》指出，虽然可再生能源的发展速度不断加快，但其总量在资源中的占比仍然较低。因此，大力发展可再生能源迫在眉睫。

目前，全球风力发电发展迅速，在可再生能源中占据十分重要的地位。其中，中国在风电装机容量方面领先全球，2017年风电产量增长迅速，新增风电产量占全球新增风电产量的30％。且在全球风能理事会(GWEC)《2018全球风电发展报告》中指出，当前中国装机容量位居世界首位。然而，随着风电开发迅速的同时，风电不确定性对电力系统和电力市场的稳定性、充裕性及经济性的影响也日益彰显，“弃风”现象也大规模出现。精准的风速预测是计划和安排风电系统安全稳定运行的前提，因此需要提高风速预测精度。因此，对于风速的准确预测成为风能大规模开发和利用的关键这一事实，本发明提出一种新的短期风速预测方法。

发明内容

本发明的目的是提供一种基于信息处理的短期风速预测方法及系统，用以准确地把握风速波动特征，获得高精度预测结果，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：

一种基于信息处理的短期风速预测方法，所述方法包括：

获取环境因素和历史风速数据；

计算所述环境因素与风速序列之间的平均影响值，获取与模型输出相关性高的序列作为输入因素，其中相关性高低由平均影响值的绝对值大小决定；

利用PSOEO算法优化变分模态分解方法，对所述历史风速序列进行分解，将所述非平稳的风速序列转化为相对平稳的若干分量；

利用PSOEO算法优化径向基函数神经网络模型，获取优化后的风速预测模型；

利用所述优化模型，对所述分量序列进行预测，获取所有分量预测结果；

累加计算所述分量预测结果，获取最终风速预测结果。

可选的，所述获取环境因素和历史风速数据，具体包括：

获取风向、温度、湿度等作为影响风速预测的其他环境因素，获取采集的历史风速数据，作为主要因素参与预测。

可选的，所述计算所述影响因素与风速序列之间的平均影响值，获取与模型输出相关性高的序列作为输入因素，具体包括：

利用径向基函数神经网络训练所述原始影响因素；

重新处理所述因素，加上和减去所述因素序列的10％，得到新的两样本数据集；

对所述两个数据集进行神经网络训练，获取训练结果，并计算差值且进行算例平均处理，获取所述因素与模型输出序列之间的平均影响值；

根据所述平均影响值，获取所述因素中与输出风速相关性高的信息作为预模型输入。