[发明专利]一种基于自激励门限自回归模型的风速预测方法

权利要求书

1.一种基于自激励门限自回归模型的风速预测方法，通过对历史风速数据序列x(t)建立基于体制个数l、滞后参数d和门限参数r的SETAR模型，进而预测下一时刻的风速预测值x(t+1)；其特征在于：

其步骤为：以时间序列t为基准获取待测风电场的历史风速数据进行预处理形成历史风速数据序列x(t)，然后以x(t-d)为横坐标轴，在横坐标轴上将0～x(t-d)均匀分成s段，对数据对[x(t’),x(t’-d)]中x(t’-d)值落入第i段内的N_i个值所对应的x(t’)所求均值E[x(t)/x(t-d)]_i为纵坐标轴；以坐标形成点值图，对点值图建立分段线性回归模型；根据分段线性回归模型的段数确定体制个数l，在分段线性的转折点处确定各门限值r的局部搜索范围；根据AIC准则，运用多层寻优法确定具体门限参数r、滞后参数d、各个自回归模型阶数；将历史风速数据x(t)划分为体制个数l个子序列，对每个子序列分别建立SETAR模型，并预测下一时刻的风速预测值x(t+1)。

2.根据权利要求1所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述SETAR模型一般形式可表示如下：

所述SETAR模型通常记为SETAR(l；p1,...,pl)；其中，l为体制的个数，p_j为各体制中AR模型阶数,d称为滞后参数，r_j称为门限参数，ε_t为白噪声序列，φ_jk为第j个体制的模型的自回归系数。

3.根据权利要求1所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述均值E[x(t)/x(t-d)]_i公式如下：

。

4.根据权利要求1所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述步骤还包括对历史风速数据序列x(t)进行非线性检验，根据历史风速数据序列x(t)服从非线性特性的检验结果建立SETAR模型。

5.根据权利要求4所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述非线性检验方式采用RESET检验法 。

6.根据权利要求4所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述RESET检验法的步骤如下：

第一步用最小二乘法估计线性AR(p)模型方程(2)，计算残差和残差平方和T代表样本容量；

第二步估计下面的辅助线性回归模型：

计算回归残差平方和

第四部判断方程(2)中线性模型AR(p)的充分性，以及方程(3)中的δ_i(i＝2,3,...，q)值；根据判断情况构造F统计量来比较方程(2)与(3)的残差平方和的差异，进而根据差异情况，判断数据非线性特点。

7.根据权利要求1所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述门限参数r、滞后参数d、各个自回归模型阶数的确定方法为使AIC准则中AIC＝min时所得的门限值、滞后阶数和回归模型的阶数。

8.根据权利要求7所述的一种基于自激励门限自回归模型的风速预测方法，其特征在于：所述AIC准则为：

。