[发明专利]基于小波分解和偏最小二乘回归算法的风速预测方法

摘要

本发明公开了一种基于小波分解和偏最小二乘回归算法的深度信念网的风速预测方法，通过将采集自某实际风电场的原始数据进行清洗、分类和归一化处理后用小波基函数db3对归一化的各部分数据进行分解，使两部分数据各自产生一系列不同频率的子序列。对训练数据分解后所产生的各个频率子序列分别建立以偏最小二乘回归算法为有监督训练算法的深度信念网模型，并在训练数据分解后所产生的各个频率子序列中提取样本用来训练以上建立的深度信念网模型从而得到具有最优参数的风速预测模型。较现有的技术，本发明所涉及的方法在预测风速时不仅易于实现，而且取得更高的预测精度。

主权项

1.一种基于小波分解和偏最小二乘回归算法的深度信念网的风速预测方法，其特征在于，该方法包括以下步骤：步骤1，将原始风速数据分为训练数据和测试数据两部分；步骤2，将所述训练数据和所述测试数据分别进行归一化处理；步骤3，用小波基函数db3对归一化后的训练数据和测试数据进行分解，用以得到频率不同的风速训练子序列和风速测试子序列；步骤4，对分解后的每个风速训练子序列搭建基于偏最小二乘回归算法的深度信念网模型；步骤5，在分解后的每个风速训练子序列中提取训练样本，训练所述基于偏最小二乘回归算法的深度信念网模型；步骤6，在所述步骤4中产生的风速测试子序列中提取自变量测试样本和因变量测试样本；步骤7，将从每个风速测试子序列中提取的自变量测试样本分别作为所述步骤5中训练好的基于偏最小二乘回归算法的深度信念网模型的输入，从而得到每个自变量测试样本对应的预测值；步骤8，将每个自变量测试样本对应的预测值与每个自变量测试样本对应的因变量测试样本做差并取二范数，以此作为评价所述风速预测方法的量化指标。