[发明专利]计及数据清洗的短期风电功率预测方法

权利要求书

1.一种计及数据清洗的短期风电功率预测方法，其特征在于，包括：

数据采集，所述数据采集不同气象条件及风机组件磨损程度下风机预测模型的输入输出变量；

数据去噪，所述数据去噪是基于小波分析对所述采集的数据进行去噪处理；

数据清洗，所述数据清洗是基于松鼠优化算法辨识对所述数据进行清洗；

确定所述短期风电功率预测的模型及参数，根据指数加权最小二乘辨识所述参数。

2.根据权利要求1所述的计及数据清洗的短期风电功率预测方法，其特征在于，所述数据采集包括：

以风机功率为待辨识模型的输出变量y，根据不同气象因素对风机功率的影响程度，选定最终的n个输入变量{u₁，u₂，…，u_n}；

以时间间隔T采样得到与风电机组相关的N组输入输出数据。

3.根据权利要求1或2所述的计及数据清洗的短期风电功率预测方法，其特征在于，所述数据去噪包括：将有噪声信号进行小波分解、对高频系数进行阈值量化处理、小波重构。

4.根据权利要求3所述的计及数据清洗的短期风电功率预测方法，其特征在于，所述数据去噪包括：

将有噪声信号表示为：

S(k)＝f(k)+e(k)，(k＝1，2，…，N) (1)

其中：S(k)为含噪信号，f(k)为实际信号，e(k)为噪声信号，N为信号长度；

小波分解：对小波函数进行选取并确定分解层次K；

W₀y＝W₀f+W₀σe (2)

其中：y＝{y₁，y₂，…，y_N}表示采样数据，f＝{f₁，f₂，…，f_N}为有用信号，e＝{e₁，e₂，…，e_N}为噪声信号，W₀为待量化的小波系数；

高频系数阈值量化：经小波分解得到每一层的低频系数和高频系数，然后对高频系数进行阈值量化处理；

小波重构：基于上述步骤得到的每层的低频系数和经处理的高频系数，对小波进行重构。

5.根据权利要求4所述的计及数据清洗的短期风电功率预测方法，其特征在于，所述高频系数阈值量化采用软阈值量化，包括：

将小于阈值t的小波系数置为0，并将大于阈值t的小波系数向0收缩，具体表达式如下：

阈值选取依据：

其中，t为阈值，σ为噪声信号方差，N为信号长度。

6.根据权利要求3所述的计及数据清洗的短期风电功率预测方法，其特征在于，所述数据清洗是通过松鼠算法辨识得到不同数据变量间的线性关系，处理数据缺失、数据无效或数据异常。

7.根据权利要求3或6所述的计及数据清洗的短期风电功率预测方法，其特征在于，所述根据指数加权最小二乘辨识所述参数包括确定短期风电功率预测模型结构。

8.根据权利要求3或6所述的计及数据清洗的短期风电功率预测方法，其特征在于，还包括设参数矩阵为θ，通过迭代计算最终得到参数最优值。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至8中任意一项所述的计及数据清洗的短期风电功率预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能实现根据权利要求1至8中任意一项所述的计及数据清洗的短期风电功率预测方法。