[发明专利]一种基于深度置信网络分类方法的风功率爬坡预测方法

摘要

本发明涉及一种基于深度置信网络分类方法的风功率爬坡预测模型。首先根据指定地理范围内的历史风功率爬坡事件在时间尺度和空间尺度上进行统计筛选，根据筛选结果提取出可以明显表征大风天气的特征量和特征指数组成参数指标库。进而采用深度信任网络进行分类分析，以建立用特征指标量判别分析导致风功率爬坡的爬坡气象分类模型。通过模型参数训练方法结合玻尔兹曼机(RBM)，并计算出爬坡气象分类结果，最后在气象类型历史数据所对应的气象模板分类基础上，用参数模板法补充缺失的爬坡气象数据。本发明将数值天气预报的结果进行爬坡气象分类研究，依据数值天气预报的数据输入为不同的爬坡气象提供了更准确的分类模型及数据修正。

主权项

1.一种基于深度置信网络分类方法的风功率爬坡预测方法，其特征在于，包括以下步骤：步骤1，建立指定区域内基于数值天气预报数据的大风爬坡天气特征分析的特征指标参数库，收集表征大风爬坡天气的特征指标量，表征大风爬坡天气的特征指标量由参数类型决定，所述参数类型包括：稳定度指标、热力指标、动力学指标以及热力/动力综合指标；模型的建立针对指定区域的采样，采样后建立参数指标库；所述稳定度指标、热力指标、动力学指标以及热力/动力综合指标中，各个指标包括的对流参数如下：所述稳定度指标包括最佳对流有效位能参数；所述热力指标包括沙氏指数和K指数；所述动力学指标包括密度加权平均垂直风切变和涡生参数；所述热力/动力综合指标包括风暴强度指数和理查德逊数；通过表征大风爬坡天气的特征指标量，建立大风天气判别分析模型，模型的采样时间为每15分钟一次，且按数值天气预报每六个小时跟踪修正一次，判别函数值按照判别准则进行分类，并结合历史统计值进行统计检验；步骤2，根据步骤1所建立的爬坡气象特征分析的参数指标库，运用数值分类方法在指定区域范围内建立用特征指标量判别分析导致风功率爬坡的爬坡气象分类模型，所述判别方法是基于深度置信网络进行分类分析模型建立；深度置信网络即运用数值分类方法，在指定区域范围内建立用特征指标量判别分析导致风功率爬坡的爬坡气象分类模型；步骤3，根据步骤2所运用到的数值分类方法在对爬坡气象分类模型建立后根据历史数据训练模型的参数，模型参数训练方法结合的是玻尔兹曼机，并计算出爬坡气象分类结果，具体方法是：深度置信网络的相邻两层构成玻尔兹曼机，网络权值的调整方式采用从底向上的方向；权值调整的过程，即是优化如下能量函数：E(x,h)＝‑b′x‑c′h‑h′Wx‑x′Ux‑h′Uh其中，h为潜变量；x为输入向量；b,c,W,U为权值矩阵；b′,c′,x′,h′为对应转置矩阵；为了优化该能量函数，采用梯度下降的方法：其中，v⁰,为神经元状态值；为潜变量状态值；为权值；p为状态函数；在使用梯度下降法取得能量极小值之后，可以得到对称的权值矩阵W0；最后根据输入向量x，由玻尔兹曼机的输出可以得到潜变量h，即是需要的低维数据；步骤4，根据步骤3所运用到参数训练结果及爬坡气象分类结果，进一步结合气象类型历史数据所对应的气象模板，补充缺失的爬坡气象数据，所涉及的方法是参数模板法。