[发明专利]一种基于小波分析的风电场风速组合预测方法

摘要

本发明公开了一种基于小波分析的风电场风速组合预测方法，采用小波分析、遗传算法、粒子群算法、神经网络和支持向量机等方法的组合，充分考虑风速信号的高度非线性、随机性和不平稳性，利用小波分析将风速信号分解为多层信号，并通过多种预测方法对各层信号进行训练预测，通过权重系数的配置提高了全局收敛精度和风速信号的预测精度；本方法可获得较单一预测方法精度更高的风速预测结果。为电力系统改善风电功率预测精确度提供技术上的参考，有利于电网调度部门合理安排调度计划，减少电网运行成本，保证电网完全稳定的运行。

主权项

1.一种基于小波分析的风电场风速组合预测方法，其特征在于：按照以下步骤操作：步骤一：对风场内的风速数据进行测试采集，对数据样本做归一化操作，形成历史风速序列数据；划分历史风速信号的训练集和测试集；步骤二：利用小波分析方法将历史风速信号分解成n层不同频率、不同层次的信号分量，n是正整数，表示信号分量的层数；步骤三：利用遗传算法优化神经网络的初始值和阈值，建立神经网络预测模型，对历史风速信号的低频近似信号进行训练并预测；优化支持向量机的核函数参数g和惩罚因子C，选取最优的核函数参数g和惩罚因子C、建立粒子群优化的支持向量机风速预测模型，对历史风速信号的高频信号分量进行训练并预测；步骤四：对比风速数据的预测值与原始值，计算风速信号的预测误差，判断风速预测值与真实值的误差是否满足要求，若满足要求则进入至下一步骤，若不满足要求，则将风速数据分解层数和模型输入维数作为优化参数进一步进行优化；并根据每次的预测信号误差确定相应的权重系数；步骤五：根据多次风速预测的权重系数，将多风速数据线性叠加重构得到风速预测值。