[发明专利]一种基于ITD-ELM的风功率预测方法

权利要求书

1.一种基于ITD-ELM的风功率预测方法，其特征在于，包括以下步骤：

S1、获取风功率相关数据，构成数据集；

S2、对所述步骤S1获取的风功率相关数据进行归一化处理；

S3、对所述步骤S2归一化后的数据进行ITD分解，根据峭度准则，选取峭度值大的部分进行数据重构；

S4、将所述步骤S3重构后的数据送入ELM模型中确定训练后的极限学习机模型，并构建基于ITD-ELM的风功率预测模型；

S5、将风功率的测试集送入基于ITD-ELM的风功率预测模型，得到模型输出值。

2.根据权利要求1所述的一种基于ITD-ELM的风功率预测方法，其特征在于，所述风功率相关数据包括风功率数据、天气预报数据、风电实际出力数据。

3.根据权利要求2所述的一种基于ITD-ELM的风功率预测方法，其特征在于，所述步骤S1构成的数据集中，将输入层数据设为X＝x_i,i∈(1,n)，将输出层数据设为Y＝y_i,i∈(1,n)；式中，x_i表示输入层数据的第i个数据，y_i表示输出层数据的第i个数据，n表示样本数据总个数。

4.根据权利要求3所述的一种基于ITD-ELM的风功率预测方法，其特征在于，所述步骤S2中，将所收集到的数据集中的风功率数据、天气预报数据、风电实际出力数据按下式进行归一化处理：

其中，a表示原始数据，a_max表示原始样本数据集中的最大值，a_min表示原始样本数据集中的最小值，b表示归一化后的数据。

5.根据权利要求4所述的一种基于ITD-ELM的风功率预测方法，其特征在于，所述步骤S3包括以下步骤：

S31、对某原始数据集X＝[x₁,x₂,…,x_n]采用ITD算法进行一次分解，其分解公式为：

X_t＝LX_t+(1-L)X_t＝L_t+H_t

式中，L表示基线提取因子，H_t＝(1-L)X_t表示PR分量，L_t＝LX_t表示基线分量；

S32、选择原始采样数据集X_t的极值X_k与对应的时刻τ_k，k代表极值的个数；数据基线的提取因子L定义如下：

式中，t∈(τ_k,τ_k+1)；α代表固有PR分量幅度的增益控制参数，且0﹤α﹤1；

S33、联立求得PR分量H_t定义如下：

H_t＝(1-L)X_t＝X_t-L_t

S34、将所得到的基线分量L_t假设为原始采样数据，重复步骤S31-步骤S33，将采样数据多次分解，其表达式为：

式中，表示第(k+1)层的PR分量，表示第(k+1)层的基线分量，表示分解后的单调趋势分量；

峭度值K的定义如下所示：

其中，X_rms表示离散化均方根值，其表达式为：

式中，N表示采样个数；x(i)表示离散化后时域分量信号；

S35、将峭度准则作为敏感PR分量的基准，选择峭度大的信号进行相加，得到信息特征更大的重构信号。