[发明专利]耦合气象信息与EMD技术的风电发电能力预测方法

权利要求书

1.耦合气象信息与EMD技术的风电发电能力预测方法，其特征在于，包括如下步骤：

步骤(1)，建立模型所需的基础数据，包括2年以上风电场站的日平均出力、风电场站装机容量、日风速时间序列数据，设数据序列长度为N天；

步骤(2)，对风电场站历史日平均出力结合历史风速数据采用变点法-四分位法进行数据清洗处理，去除因通讯故障、人为弃风、数据记录错误导致的无效信息，得到风电场的风速-日平均出力曲线；对风功率异常日，采用线性插值的方法进行线性插值得出日平均出力，最终得到可用于训练的风速-风功率时序数据集合W＝{(v₁，p₁)，(v₂，p₂)，…，(v_i，p_i)，…，(v_N，p_N)}(i＝1,2,…,N)，其中，v_i为第i天的风速，p_i为第i天的风功率；

步骤(3)，对序列W中的p₁,p₂,…,p_n部分采用经验模态分解方法进行序列分解，得到对应I个本征模函数和一个余项；

步骤(4)，对第2个本征模函数到第I个本征模函数与余项表达式，即IMF₂、……、IMF_I、R₀，其对应的数学函数表示为f₁(v_i),f₂(v_i),…,f_I(v_i)，将其与序列W中的风速值分别组成T₁、……、T_I的I个新的输入训练集T_m＝{v_i,f_m(v_i)}，m＝1,2,…,I；确定模型预测的预见期T_fore，设定各本征模函数对应的训练模型输入层神经元个数为T_fore，输出层神经元个数为1，对各个训练集T_i分别进行BP神经网络训练；最终得到适用于电站风功率预测的风速-风功率本征模函数BP神经网络模型；

步骤(5)，按照步骤(4)预测模型训练时要求的输入条件，将预测起点日前T_fore天的历史风速序列输入(4)训练好的模型中，模型逐日向后预测从预测起点向后T_fore日内风电场各日平均出力，即得到该风电场站待预测时段内预测的风电发电能力。