[发明专利]一种基于分解与聚合的风电场风速组合预测方法及装置

权利要求书

1.一种基于分解与聚合的风电场风速组合预测方法，其特征在于，包括以下步骤：

获取风电场历史风速序列，对所述风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量；

对所述特征分量的复杂度进行计算，将复杂度的差值小于预设阈值的所述特征分量归属于一类，得到多个特征分量类别；

将同一特征分量类别的所述特征分量进行叠加，得到多个聚合分量；

分别对各个所述聚合分量进行单独预测，得到各个所述聚合分量对应的聚合预测序列；

对所述残余分量进行预测，得到所述残余分量对应的残余预测序列；

将所述残余预测序列和各个所述聚合预测序列进行叠加，得到最终的风速预测序列。

2.如权利要求1所述的基于分解与聚合的风电场风速组合预测方法，其特征在于，所述对所述风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量，具体包括：

采用经验模态分解方法对所述风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量；其中，所述风电场历史风速序列的表达式子为v(t)为风速在t时刻对应的所述风电场历史风速序列，c_i(t)为所述风电场历史风速序列进行分解后得到的第i个特征分量，1≤i≤N，N为特征分量的个数，r(t)为所述风电场历史风速序列进行分解后得到的所述残余分量。

3.如权利要求1所述的基于分解与聚合的风电场风速组合预测方法，其特征在于，所述对所述特征分量的复杂度进行计算，将复杂度的差值小于预设阈值的所述特征分量归属于一类，得到多个特征分量类别，具体包括：

采用模糊熵对所述特征分量的复杂度进行计算，得到各个所述特征分量的模糊熵计算值；

按照预设的模糊熵数值间隔对所述特征分量进行分类；

将所述模糊熵计算值的差值小于预设阈值的所述特征分量归属于一类，得到多个特征分量类别。

4.如权利要求2所述的基于分解与聚合的风电场风速组合预测方法，其特征在于，在所述分别对各个所述聚合分量进行单独预测，得到各个所述聚合分量对应的聚合预测序列之前，还包括：

计算各个所述聚合分量的自相关系数，得到所述风电场历史风速序列的自相关函数曲线；

根据所述自相关函数曲线，确定最小自相关系数值；

根据所述最小自相关系数值，确定各个所述聚合分量的可预报时长，并选取数值最小的可预报时长作为所述风电场历史风速序列的预测时长。

5.如权利要求4所述的基于分解与聚合的风电场风速组合预测方法，其特征在于，所述分别对各个所述聚合分量进行单独预测，得到各个所述聚合分量对应的聚合预测序列，具体包括：

采用统计预测模型分别对各个所述聚合分量进行单独预测，得到各个所述聚合分量对应的聚合预测序列。

6.如权利要求5所述的基于分解与聚合的风电场风速组合预测方法，其特征在于，所述统计预测模型为自回归移动平均模型，所述自回归移动平均模型的表达式为其中，d_j(t)为所述风电场历史风速序列对应的第j个所述聚合分量，1≤j≤m，m为聚合分量的个数，为自回归系数，θ_k为移动平均系数，p、q分别为所述自回归移动平均模型的自回归阶数和移动平均阶数，ε(t)为白噪声变量，k为所述聚合分量的延迟时间，1≤k≤p，1≤k≤q。