[发明专利]一种基于模糊分区理论的神经网络风功率短期预测方法

摘要

本发明提供了一种基于模糊分区理论的神经网络风功率短期预测方法。本发明通过分析风速变化的重要特征，以及风速与功率之间关系，采用模糊理论、人工智能及统计学理论相结合的模式。在进行风力发电预测时，先将从气象预测获得的风速数据按时间段进行风力等级模糊分区处理，然后进行BP神经网络分区预测，分区预测值乘以其隶属度值再将所有分区值相加即是预测的功率值，然后进行概率统计修正算法，得到预测功率；本发明有效的提高功率预测模型准确度。

主权项

一种基于模糊分区理论的神经网络风功率短期预测方法，其特征在于：所述方法包括如下步骤，步骤1)，基于模糊分区理论，将风力等级分为无风(ZO)、小风(S)、中小风(MS)、中风(M)、中大风(MB)、大风(B)、超大风(BB)七个模糊分区，也称模糊集合A，并确定该模糊集合A的隶属度函数类型；步骤2)，将从气象预测获得的风速数据按时间段进行风力等级模糊分区处理，确定各模糊分区范围，通过步骤1所述的隶属度函数，得到各个分区的隶属度值，用μi表示；步骤3)，进行BP神经网络分区预测，得到各个分区的预测值，用net_outi表示，然后将各个分区的预测值net_outi乘以该分区的隶属度值μi，再将所有分区μi·net_outi的值相加，得到功率预测值；步骤4)，将步骤3得到的功率预测值进行概率修正，获得功率阈值。