[发明专利]基于校正算法的短期风力发电机输出功率预测方法

权利要求书

1.一种基于校正算法的短期风力发电机输出功率预测方法，其特征是所述方法包括：

步骤1：设定第一时间长度T₁和第二时间长度T₂；

步骤2：对第一时间长度T₁的数值天气预报风速历史数据进行校正；

步骤3：以校正后的数值天气预报历史数据为输入值，以所述数值天气预报历史数据对应的风力发电机实测输出功率为输出值，训练BP神经网络；

步骤4：对第二时间长度T₂的数值天气预报未来数据进行校正；

步骤5：将校正后的数值天气预报未来数据作为输入值输入到步骤3训练的BP神经网络中进行计算，得到的输出值即为风力发电机输出功率预测结果。

2.根据权利要求1所述的方法，其特征是所述对第一时间长度T₁的数值天气预报风速历史数据进行校正具体包括：

步骤101：以24小时为长度单位，将第一时间长度T₁的数值天气预报风速历史数据划分为n组；其中，

步骤102：设定第三时间长度T₃并令i＝1；

步骤103：以第i组数值天气预报风速历史数据之前的第三时间长度T₃的数值天气预报风速历史数据作为既有数值天气预报风速历史数据，以第i组数值天气预报风速历史数据之前的第三时间长度T₃所对应的实测风速历史数据作为既有实测风速历史数据；

步骤104：对既有数值天气预报风速历史数据进行小波包分解，得到m个既有数值天气预报风速历史数据子序列；对既有实测风速历史数据进行小波包分解，得到m个既有实测风速历史数据子序列；

步骤105：以既有数值天气预报风速历史数据为输入层数据，以既有实测风速历史数据为输出层数据，以第j个既有数值天气预报风速历史数据子序列和第j个既有实测风速历史数据子序列为训练样本集训练BP神经网络，得到第j个BP神经网络及其对应的隐层节点权值和阈值；其中，j＝1，2，…，m；

步骤106：将第i组数值天气预报风速历史数据记作当前数值天气预报风速历史数据，对当前数值天气预报风速历史数据进行小波包分解，得到m个当前数值天气预报风速历史数据子序列；

步骤107：将第j个当前数值天气预报风速历史数据子序列输入到第j个BP神经网络并利用该BP神经网络对应的隐层节点权值和阈值，计算得到该BP神经网络的输出值，将该输出值作为修正后的第j个当前数值天气预报风速历史数据子序列；其中，j＝1，2，…，m；

步骤108：对修正后的m个当前数值天气预报风速历史数据子序列进行小波包重构，得到校正后的当前数值天气预报风速历史数据，即校正后的第i组数值天气预报风速历史数据；

步骤109：判断i≤n是否成立，如果成立，则令i＝i+1，返回步骤103；否则，结束。