[发明专利]一种基于风速分类的风速动态场景生成方法、系统及终端

权利要求书

1.一种基于风速分类的风速动态场景生成方法，其特征在于，所述基于风速分类的风速动态场景生成方法包括：

获取风速原始数据，并自原始数据中提取可反映风速的随机性和波动性特征的两个指标；同时基于原始数据计算每日风速偏离度和变化率，并基于提取的指标进行k-means聚类，得到四个聚类中心；

利用季节性的ARIMA模型对历史数据进行预测，用分箱理论对预测风速进行分箱，建立历史数据和历史预报数据之间的模型关系，获取与预测风速配对的实际风速；

在给定的预测风速条件下，拟合每一个分箱中的预测风速的条件经验分布；对预测风速数据进行k-means聚类；

基于两次k-means聚类的结果，对实际风速和预测风速通过k-means聚类后的两组聚类中心进行分析，将两组聚类中心转换为向量，利用极坐标变换的方法确定范围参数，得到唯一的协方差矩阵，生成风速动态场景；

所述可反映风速的随机性和波动性特征的两个指标分别为：风速的整体偏离度和整体风速变化率；

所述计算每日风速偏离度包括：

将原始数据以天为单位分段，将各样本中各时段的数据结合得到并计算基于整个样本空间的该时段数据均值对数据组合序列用分布函数拟合得到相应的分布函数；通过样本数据中各样本每天各时段数据与均值中对应时段数据做差，得到各样本偏差值序列

对偏差数据序列中所有样本的同时段数据组合，得到96个行向量，并对上述96个行向量做标准归一化处理，得到通过对归一化后各样本各时段的归一化值求和，得到样本中各时段风速偏离均值的整体偏离度

计算公式如下：

所述计算整体风速变化率包括：

以前一时段的风速值为基准求取变化率，重复操作得到所有样本各时段相对前一时刻的风速变化率并对其进行标准化处理，得到归一化后的风速变化率计算样本中各时段风速波动速率的整体风速变化率

计算公式如下：

2.如权利要求1所述基于风速分类的风速动态场景生成方法，其特征在于，所述基于提取的指标进行k-means聚类，得到四个聚类中心包括：

用手肘法确定聚类的数目，再基于风速的整体偏离度和整体风速变化率两个指标，对每天的风速进行k-means聚类，得到风速的k种类型，以及每个日期对应的风速类型；

所述用分箱理论对预测风速进行分箱包括：

获取所有由预测风速和实际风速组成的风速对使用分级算法，对得到的预测风速进行离散化处理；并对构建的箱中的每个预测风速确定所有实际风速并将其存储在列表中；所述列表包含所有与中的选定配对的

3.如权利要求1所述基于风速分类的风速动态场景生成方法，其特征在于，所述在给定的预测风速条件下，拟合每一个分箱中的预测风速的条件经验分布包括：

首先，确定经验分布的反函数：对每一个分箱里面的概率值和风速值进行线行回归的拟合，用最小二乘法确定每一个分箱所对应的系数k，b；

其次，进行经验分布拟合，公式如下：

其中，F_n(x)为总体X的经验分布函数；x₁,x₂,...,x_n为总体X的一组容量为n的样本观测值，按从小到大的顺序排列；x为任意实数。

4.如权利要求1所述基于风速分类的风速动态场景生成方法，其特征在于，所述确定范围参数包括：

基于确定的日前风速预报点估计值及风速分箱关系，建立考虑风速相邻时段相关性的多维分布函数模型，并使用聚类的方法对该多维分布函数的相关参数进行参数辨识，确定最佳分布函数的范围参数；

所述确定范围参数包括以下步骤：

(1)任取ε，确定唯一的协方差矩阵；生成服从多元正态分布的随机数；对生成的随机数进行逆变换，得到风速值；

(2)对风速值进行k-means聚类，得到聚类中心点集A；计算A和原始聚类中心点的极坐标表达式；

(3)当d最小时的ε即为最优范围参数。