[发明专利]一种短时风速超越概率的预测方法及系统

权利要求书

1.一种短时风速超越概率的预测方法，其特征在于，包括以下步骤：

对待测区域的至少包含风速和风向的气象参数进行实时监测和采集，得到监测数据序列；

抽取监测数据序列中的一部分作为样本，训练得到基于LSTM网络的风速短时预测模型；采用所述风速短时预测模型，对监测数据序列中的除样本外的其余监测数据进行预测，得到短时预测风速序列；

将短时预测风速序列与对应的监测数据序列相减，得到风速预测误差序列；

采用GMM方法对风速预测误差序列进行统计分析，得到风速预测误差的条件概率密度函数；

将短时预测风速序列作为预测期望，结合预测误差的条件概率密度函数，计算得到预测风速超越某特定风速值的发生概率。

2.根据权利要求1所述的短时风速超越概率的预测方法，其特征在于，所述将短时预测风速序列作为预测期望，结合预测误差的条件概率密度函数，计算得到预测风速超越某特定风速值的发生概率，包括以下步骤：

在风速短时预测模型进行风速预测过程中，将基于LSTM网络的风速短时预测模型的预测值作为下一步风速期望值，根据风速预测误差的条件概率密度函数，计算得到预测风速超过某特定风速值的发生概率。

3.根据权利要求1所述的短时风速超越概率的预测方法，其特征在于，所述气象参数还包括温度、湿度、气压中的一种或任意几种的组合；所述风速预测误差的条件概率密度函数为风速值与风向，以及温度、湿度和气压中的一种或任意几种的组合。

4.根据权利要求1至3中任一项所述的短时风速超越概率的预测方法，其特征在于，采用GMM方法对风速预测误差序列进行统计分析，得到风速预测误差的条件概率密度函数，包括：

采用二维GMM方法对风速预测误差序列e和短时预测风速序列y进行统计分析，得到风速预测误差序列e和短时预测风速序列y的联合概率密度函数f(e,y)为：

f(e,y)＝GMM(e,y) (9)

则e与y的边缘分布概率密度函数f_E(e)和f_Y(y)分别为：

已知二维随机变量的概率密度函数和其各自的边缘分布函数，根据贝叶斯公式可以得到预测值Y＝y的条件下误差E的条件概率密度为：

5.根据权利要求4所述的短时风速超越概率的预测方法，其特征在于，所述将短时预测风速序列作为预测期望，结合预测误差的条件概率密度函数，计算得到预测风速超越某特定风速值的发生概率，如下：

其中，p_f为风速超过某特定风速值U₀的发生概率，f_E|Y(e|y₀)为预测误差的条件概率密度函数，y₀为作为预测期望的短时预测风速序列。

6.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。