[发明专利]一种风力发电短期负荷预测方法

摘要

本发明方法公开一种风力发电短期负荷预测方法，包括：S1.原始数据的预处理；S2.建立提升小波变换的数学模型，得到高频数据序列D1、D2和低频数据序列A2；S3.将需要的数据序列归一化；S4.建立最小二乘支持向量机数学模型；S5.将步骤S3中得到的归一化后的A2数据序列、气温、风向角、风速一起输入到步骤S4中建立的LS-SVM数学模型中，作第一次的负荷预测，得到A2的最后1/4的负荷预测；S6.进行第二次预测，并得到这些预测点的相对误差值；S7.对步骤S6中得到的相对误差值进行2层提升小波分解，并用步骤S5中的方法预测A2后半部分的相对误差值；S8.修正步骤S5中得到的原始信号最后1/4数据的预测值。

主权项

一种风力发电短期负荷预测方法，基于提升小波、最小二乘支持向量机和误差预测，其特征在于，包括以下步骤：S1：原始数据的预处理：去除原始数据中的错误数据；S2：建立提升小波变换的数学模型，将记录的功率数据看作离散的数据序列，根据建立的提升小波变换进行二层分解，可以得到高频数据序列D1、D2和低频数据序列A2；S3：将需要的数据序列归一化；S4：建立最小二乘支持向量机数学模型；S5：将步骤S3中得到的归一化后的A2数据序列、气温、风向角、风速一起输入到步骤S4中建立的最小二乘支持向量机数学模型中，其中的3/4的A2数据作为训练样本，其余的作为测试样本；在最小二乘支持向量机模型中训练并预测最后的1/4的数据，输出得到的数据序列就是A2后面的1/4预测结果；S6：进行第二次预测，将A2分成两部分，前半部分用来作为最小二乘支持向量机的训练样本，后半部分作为测试样本，通过最小二乘支持向量机的预测，得到A2后半部分的预测值；通过计算可以得到这些预测点的相对误差值；S7：根据步骤S6中得到的相对误差值，我们对其进行2层提升小波分解，并用其第二层的低频信号A2，再将A2信号分成两部分，前半部分作为训练样本，输入到最小二乘支持向量机模型中进行训练和预测；后半部分作为测试样本，以得到整个原始数据最后1/4的相对误差预测值；S8：根据步骤S7中得到的相对误差的预测值与步骤S5中得到的原始信号最后1/4数据的预测值，并根据它们的符号和相对误差预测值的大小，对在步骤S5中得到的风电负荷的预测值逐个迭代修正；修正后的值就是最后预测结果。