[发明专利]一种建立风电功率预测模型的方法及装置

权利要求书

1.一种建立风电功率预测模型的方法，其特征在于，所述建立风电功率预测模型的方法包括：

对获取的历史风功率参数以及对应的历史风功率进行归一化处理以获得训练样本以及输出样本；

以预存储的高斯函数作为径向基函数并以线性型激活函数作为输出函数，建立径向基神经网络；

采用K-均值聚类算法并基于所述训练样本对所述径向基神经网络进行训练以确定径向基函数中心；

采用最小二乘法递推法并基于所述训练样本以及所述输出样本确定径向基函数权值。

2.根据权利要求1所述的建立风电功率预测模型的方法，其特征在于，所述采用K-均值聚类算法并基于所述训练样本对所述径向基神经网络进行训练以确定径向基函数中心的步骤包括：

从多个所述训练样本中选取任意数量个训练样本作为第一聚类中心；

确定多个所述训练样本到每个所述第一聚类中心的欧式空间距离；

基于所述欧式空间距离将多个所述训练样本分配至每个所述第一聚类中心所属的聚类集合；

计算每个所述聚类集合包含的训练样本的平均值，并以所述平均值作为第二聚类中心；

若所述第二聚类中心与所述第一聚类中心的差值小于或等于预设定的阈值，则将所述第二聚类中心确定为径向基函数中心。

3.根据权利要求1所述的建立风电功率预测模型的方法，其特征在于，所述采用最小二乘法递推法并基于所述训练样本以及所述输出样本确定径向基函数权值的步骤包括：

采用最小二乘法递推法求解算式以确定径向基函数权值；其中，y_j为输出样本，w_ji为第i个隐节点的径向基函数到第j个输出节点的径向基函数权值，θ_j为第j个输出节点的阈值，q_i为第i个隐节点的径向基函数，且q_i＝φ(||X-c_i||),i＝1,…,k，X＝(x₁,…,x_n)^T为训练样本，c_i为第i个隐节点的中心，φ为高斯函数。

4.一种风电功率预测方法，其特征在于，所述风电功率预测方法包括：

对获取的风功率参数进行归一化处理以获得预测样本；

基于如权利要求1-3中任意一项所述的建立风电功率预测模型的方法而预建立的风电功率预测模型及所述预测样本预测风功率预测结果；

对所述风功率预测结果进行反归一化以获得风功率预测值。

5.根据权利要求4所述的风电功率预测方法，其特征在于，所述对获取的风功率参数进行归一化处理以获得预测样本的步骤包括：

利用算式对所述风功率参数进行归一化处理以获得预测样本；其中，为预测样本，x_i为风功率参数，x_min为风功率参数的最小值，x_max为风功率参数的最大值。

6.一种建立风电功率预测模型的装置，其特征在于，所述建立风电功率预测模型的装置包括：

第一预处理单元，用于对获取的历史风功率参数以及对应的历史风功率进行归一化处理以获得训练样本以及输出样本；

神经网络建立单元，用于以预存储的高斯函数作为径向基函数并以线性型激活函数作为输出函数，建立径向基神经网络；

中心确定单元，用于采用K-均值聚类算法并基于所述训练样本对所述径向基神经网络进行训练以确定径向基函数中心；

权值确定单元，用于采用最小二乘法递推法并基于所述训练样本以及所述输出样本确定径向基函数权值。