[发明专利]二阶灰色神经网络和马尔科夫链的短期风速区间预测方法

说明书

本发明公开了一种二阶灰色神经网络和马尔科夫链的短期风速区间预测方法，它包括：步骤1、建立基于二阶灰色理论的风速预测模型；步骤2、利用神经网络算法优化灰色风速预测模型；步骤3、将历史风速序列投入优化后的灰色风速预测模型进行拟合得到拟合误差序列；步骤4、对误差绝对值序列进行分析，根据数据分布情况进行状态划分；步骤5、根据数据构造下一步状态转移矩阵，并根据矩阵计算各个状态下一步误差转移值的期望；步骤6、通过误差转移的期望值获取风速区间预测结果；解决了现有技术中直接对风速进行预测，难以克服风速的不确定性，使得预测精度低，准确性较差等技术问题。

技术领域

本发明属于风速预测技术，尤其涉及一种二阶灰色神经网络和马尔科夫链的短期风速区间预测方法。

背景技术

随着全世界能源与环境问题的逐渐突出，对可再生能源的研究和利用成为学术界和工业界广泛关注的热点问题。而风力发电作为安全可靠、无污染、不需消耗燃料、可并网运行的重要可再生能源之一，近年来在全世界范围内得到了突飞猛进的发展。但是风速具有随机性，间歇性和不确定性。准确的预测结果有利于解决风电输出功率控制、含新能源的电网安全经济调度以及开放电力市场环境下风电竞价交易等问题。

目前用于风速区间预测的方法主要有两种，一是启发式算法，通过学习历史数据规律预测风速区间的上限与下限。二是统计方法，基于风电功率的概率分布函数，计算在满足给定置信度水平下，风电功率可能落入区间的上限和下限，或者根据预测误差的概率分布来确定预测区间的上限与下限，目前第二类方法使用范围较广。但是现有技术的这些方法都是通过预测误差分布情况进行风速区间预测，没有找到误差之间的关联，使得预测精度低，准确性较差。

本发明要解决的技术问题是：提供一种二阶灰色神经网络和马尔科夫链的短期风速区间预测方法，以解决现有技术中难以克服风速的不确定性，使得预测精度低，准确性较差等技术问题。

本发明技术方案：

一种二阶灰色神经网络和马尔科夫链的短期风速区间预测方法，它包括：

步骤1、建立基于二阶灰色理论的风速预测模型；

步骤2、利用神经网络算法优化灰色风速预测模型；

步骤3、将历史风速序列投入优化后的灰色风速预测模型进行拟合得到拟合误差序列；

步骤4、对误差绝对值序列进行分析，根据数据分布情况进行状态划分；

步骤5、根据数据构造下一步状态转移矩阵，并根据矩阵计算各个状态下一步误差转移值的期望；

步骤6、通过误差转移的期望值获取风速区间预测结果。

它还包括：

步骤7、计算误差指标，对风速区间预测进行评估；

步骤8、输出风速区间预测值和误差指标。

步骤1所述建立基于二阶灰色理论的风速预测模型的方法包括：

步骤1.1、将风速历史数据作为风速预测模型中的输入序列X⁽⁰⁾，对此进行一级叠加得到新序列

X⁽¹⁾＝[x⁽¹⁾(1),x⁽¹⁾(2),...,x⁽¹⁾(n)]

式中：

步骤1.2、建立二阶灰色风速预测模型的微分方程如下：

得到方程解为：