[发明专利]一种基于分解与优化的短期风速时序预测方法

摘要

本发明方法公开一种基于分解与优化的短期风速时序预测方法，包括：S1按小时进行原始风速序列采样及处理，构建时序数据序列；S2.将时序风速进行3层小波分解，得到高频细节序列d₁，d₂，d₃和一个低频近似序a₃；S3.对分解得到的序列进行二插值重构，得到细节序列D₁，D₂，D₃和近似序列A₃；S4.对重构后的各序列分别进行归一化处理，构建时序相关序列组，将最后24组作为测试集，其余为训练集；S5.使用训练集数据，利用混沌萤火虫算法优化最小二乘支持向量机参数，构建最优LS-SVM；S6.将测试集输入到步骤S5中的最优LS-SVM进行风速预测；S7.将各预测值反归一化后叠加，得到实际的风速预测值；本发明提高了短期风速预测精度，可以为运行人员提供更有效的决策信息，保障风电运行的安全性和可靠性。

主权项

一种基于分解与优化的短期风速时序预测方法，其特征在于，包括以下步骤：S1:按小时进行原始风速序列采样及处理，构建时序风速序列{v₁,v₂,v₃…v_n}，其中，v表示风速，n表示序列长度；S2:将时序风速进行3层小波分解，得到高频细节序列d₁,d₂,d₃和一个低频近似序a₃；S3:对分解得到的序列进行二插值重构，得到细节序列D₁,D₂,D₃和近似序列A₃；S4.对重构后的各序列分别进行归一化处理,构建时序相关序列组，将最后24组作为测试集，其余为训练集；S5:利用步骤S4中的训练集数据，使用混沌萤火虫算法优化最小二乘支持向量机超参数c,σ²，得到最优LS‑SVM；S6:将步骤S4中的测试集数据输入到步骤S5中的最优LS‑SVM进行风速预测；S7:将各预测值反归一化后叠加得到实际的风速预测值。