[发明专利]一种日前风力发电预测方法

摘要

本发明公开了一种日前风力发电预测方法，具体步骤如下：步骤一，将NWP气象预测预测数据、历史实际风电发电数据和历史实际风速数据分解为子序列；步骤二，对子序列进行训练；步骤三，将通过希尔伯特‑黄变换得到的历史实际风速数据子序列作为输入，历史实际风力发电数据子序列作为输出，得到根据实际风速数据来预测风力发电的训练模型；步骤四，通过遗传算法优化根据实际风速数据来预测风力发电的训练模型；步骤五，利用希尔伯特‑黄变换的逆变换还原利用人工神经网络得到的风力发电预测数据。本发明考虑了实际风速历史数据、实际风力发电历史数据和NWP气象预测数据(包括风速、风向、气压、气温和湿度)，能够有效提高风力发电预测准确率。

主权项

1.一种日前风力发电预测方法，其特征在于，具体步骤如下：步骤一，利用希尔伯特‑黄变换将NWP气象预测预测数据、历史实际风电发电数据和历史实际风速数据分解为子序列：希尔伯特‑黄变换利用经验模态分解方法将给定的序列分解为若干固有模态函数，然后，对每一个固有模态函数进行希尔伯特变换，得到相应的希尔伯特谱，汇总所有固有模态函数的希尔伯特谱就得到原始信号的子序列；步骤二，利用人工神经网络对子序列进行训练：将步骤一中通过希尔伯特‑黄变换得到的子序列作为输入，历史实际风速数据子序列作为输出，得到根据NWP气象预测预测数据来预测风速的训练模型；步骤三，将步骤一中通过希尔伯特‑黄变换得到的历史实际风速数据子序列作为输入，历史实际风力发电数据子序列作为输出，得到根据实际风速数据来预测风力发电的训练模型；步骤四，通过遗传算法优化根据实际风速数据来预测风力发电的训练模型；步骤五，利用希尔伯特‑黄变换的逆变换还原利用人工神经网络得到的风力发电预测数据。