[发明专利]一种风电场风速时间序列预测方法

摘要

本发明是一种风电场风速时间序列预测方法，其特点是，包括的步骤有：利用风速采集仪器每隔一小时记录一次同一地区的风速数据，整理采集的原始风速数据形成风速时间序列用于分析预测；运用快速独立分量分析算法对风速时间序列进行多尺度分解，分解得到多个独立分量；通过对各个独立分量的延迟时间和嵌入维数的计算，运用相空间重构理论对各个独立分量进行相空间重构；利用最小二乘支持向量机回归模型对相空间重构后的各个独立分量进行建模预测；将预测结果进行叠加得到最终的风速时间序列的预测结果。具有风速时间序列预测科学合理，准确、可靠和适用性强等优点。

主权项

1.一种风电场风速时间序列预测方法，其特征在于，它包括下述步骤：(1)利用风速采集仪器每隔一小时记录一次同一地区的风速数据，整理采集的原始风速数据，形成风速时间序列用于分析预测；(2)运用局域均值分解算法对风速时间序列进行多尺度分解，分解得到多个PF分量，局域均值分解算法步骤如下：(a)找出原始信号x(t)所有的局部极值点n_i，求出所有相邻的局部极值点的平均值：将所有相邻的平均值点m_i用直线连接起来，然后用滑动平均法进行平滑处理，得到局部均值函数m₁₁(t)；(b)求出包络估计值将所有相邻的平均值点a_i用直线连接起来，然后用滑动平均法进行平滑处理，得到包络估计函数a₁₁(t)；(c)将局部均值函数m₁₁(t)从原始信号x(t)中分离出来，得到h₁₁(t)＝x(t)-m₁₁(t)    (3)(d)用h₁₁(t)除以包络估计函数a₁₁(t)以对h₁₁(t)进行解调，得到s₁₁(t)＝h₁₁(t)/a₁₁(t)    (4)对s₁₁(t)重复上述步骤便能得到s₁₁(t)的包络估计函数a₁₂(t)，假如a₁₂(t)不等于1，说明s₁₁(t)不是一个纯调频信号，需要重复上述迭代过程n次，直至s_1n(t)为一个纯调频信号，也就是s_1n(t)的包络估计函数a_1(n+1)(t)＝1，所以有式中 迭代终止条件为为了减少迭代次数，降低运算时间，设置一个变量Δ＝10^-4，使得当满足1-Δ≤a_1n(t)≤1+Δ时，终止迭代；(e)将迭代过程中所产生的全部包络估计函数相乘，得到包络信号瞬时幅值函数：(f)将包络信号a₁(t)和纯调频信号s_1n(t)相乘得：PF₁(t)＝a₁(t)s_1n(t)    (9)它为信号x(t)的第一个PF分量，包含了原始信号的最高频率成分，是一个单分量的调幅、调频信号，瞬时频率f₁(t)则由调频信号s_1n(t)求出：(g)从原始信号x(t)中将第一个PF分量PF₁(t)分离出来，得到剩余信号u₁(t)，由于剩余信号u₁(t)中还包含有较多的频率成分，因此将u₁(t)作为原始数据重复以上步骤对其进行分解，得到第二个PF分量，重复这个过程直到u_k为一个单调函数为止，得到一定数量的PF分量：最终信号x(t)可表示为k个PF分量和余量之和：(3)通过对各个PF分量的延迟时间τ和嵌入维数m的计算，运用相空间重构理论对各个PF分量进行相空间重构； y_PF(t)＝{PF_p(t)，PF_p(t+τ)，Λ，PF_p[t+(m-1)τ]}    (13)y_u(t)＝{u_k(t)，u_k(t+τ)，Λ，u_k[t+(m-1)τ]}        (14)t＝1，2，Λ.，p＝1，2，Λ，k(4)利用多核最小二乘支持向量机回归模型对相空间重构后的各个PF分量进行建模预测；(5)将预测结果进行叠加得到最终的风速时间序列的预测结果