[发明专利]基于数据分析和组合基函数神经网络的风电功率预测方法

摘要

基于数据分析和组合基函数神经网络的风电功率预测方法涉及风力发电功率预测领域，该发明包括：对采集的风电功率数据运用可变模式分解、样本熵技术和相空间重构技术进行数据分析，得到四组子序列；利用正交多项式构造基函数神经网络，建立含四组基函数神经网络的组合基函数预测模型；利用状态转移算法对基函数神经网络的权值和阈值进行优化；将重构后的子序列作为基函数神经网络的输入，优化的预测模型组合基函数神经网络用于风电功率的预测。预测准确率明显高于BP网络和RBF神经网络。

主权项

基于数据分析和组合基函数神经网络的风电功率预测方法，包括以下步骤：步骤（1），样本数据的选取：选取新疆某发电厂历史发电功率连续数据，时间间隔为10分钟，选取样本数据长度为N的连续时间序列风电功率数据；步骤（2），样本数据的分析与处理：对样本数据进行可变模式分解，并依据其样本熵值进行子模式组合，得到子序列，再根据相空间重构理论重构各子序列；步骤（3），组合预测模型的建立；步骤（4），预测模型的优化：阈值常数和网络权值为待确定的预测模型的参数，本发明采用状态转移算法对模型进行优化，确定模型的参数；步骤（5），使用训练好的组合基函数神经网络对风电场的输出功率进行预测；步骤（6），预测误差的计算：为了对预测结果精度和模型的有效性判断，本文采用平均相对误差（MAE）、平均百分比绝对误差（NMAE）和百分比均方根误差（NRMSE）。