[发明专利]风电功率超短期预测方法

摘要

本发明涉及一种风电功率超短期预测方法，包括建立一灰色模型、连续输入至少一时间段的历史风电功率至所述灰色模型、建立一BP神经网络、获取用于训练所述BP神经网络的至少一训练样本、用BP算法训练所述BP神经网络、输出的未来连续四个时间段的风电功率最终预测值等步骤。本发明优点在于，提出用灰色理论及BP神经网络混合算法对风电功率的超短期预测进行研究，综合考虑灰色理论和神经网络各自的优缺点，使得样本的训练和学习完成速度更快，风电功率的预测精度更高；可以有效避免由于BP算法易于陷入局部极值而造成速度辨识的精度低的问题，可以提高BP神经网络的连接权值优化的速度，对电力系统调度和风电机组的维护等有着重要的意义。

主权项

一种风电功率超短期预测方法，其特征在于，包括如下步骤：建立一灰色模型；所述灰色模型包括一个输入通道及一个输出通道，所述输入通道用于输入至少一时间段的历史风电功率，所述输出通道用于输出对应任一时间段的历史风电功率拟合值或对应未来连续四个时间段的风电功率初步预测值；连续输入至少一时间段的历史风电功率至所述灰色模型，获取所述历史风电功率拟合值或者对应未来至少一时间段的所述风电功率初步预测值；建立一BP神经网络；所述BP神经网络包括三个BP输入通道及一个BP输出通道，三个BP输入通道分别用于输入任一时间段的平均风速、平均风向以及所述灰色模型的历史风电功率拟合值或所述风电功率初步预测值，所述BP输出通道用于输出风电功率最终预测值；所述BP神经网络用于映射所述风电功率最终预测值与所述输入任一时间段的平均风速、平均风向以及所述历史风电功率拟合值或所述风电功率初步预测值之间的非线性关系；获取用于训练所述BP神经网络的至少一训练样本；每一训练样本包括从数值天气预报中获取的任一时间段的平均风速、平均风向以及所述历史风电功率拟合值三个输入值，包括该时间段的历史风电功率这一输出值；根据所述训练样本，用BP算法训练所述BP神经网络，优化所述BP神经网络，获取所述BP神经网络的连接权值；在所述BP神经网络的输入通道输入未来连续四个时间段的平均风速和平均风向、未来连续四个时间段的风电功率初步预测值；以及所述BP神经网络根据所述连接权值计算并输出未来连续四个时间段的风电功率最终预测值至所述BP输出通道。