[发明专利]风速预测方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种风速预测方法，其特征在于，包括：

采集风速数据，建立原始风速序列；

将所述原始风速序列分解成多个风速子序列；

基于各所述风速子序列包含的频率和/或噪声，将多个所述风速子序列划分为第一风速子序列集和第二风速子序列集，其中，所述第一风速子序列集为包含的噪声大于或者等于预设的噪声阈值的所述风速子序列所形成的集合，所述第二风速子序列集为包含的频率大于预设的频率阈值且噪声小于所述噪声阈值的所述风速子序列所形成的集合；

分别对所述第一风速子序列集和所述第二风速子序列集进行预测，得到所述第一风速子序列集的风速预测序列和所述第二风速子序列集的风速预测序列；

将所述第一风速子序列集的风速预测序列和所述第二风速子序列集的风速预测序列进行叠加，得到初步的风速预测序列。

2.根据权利要求1所述的方法，其特征在于，将所述原始风速序列分解成多个风速子序列，包括：

从所述原始风速序列中提取多个带宽受限的模态，其中，各所述带宽受限的模态围绕在其对应的中心频率周围；

确定各所述带宽受限的模态分解后的模态分量；

根据各所述带宽受限的模态分解后的模态分量，获取所述原始风速序列的多个所述风速子序列。

3.根据权利要求2所述的方法，其特征在于，确定各所述带宽受限的模态分解后的模态分量，包括：

建立各所述带宽受限的模态下的约束变分模型；

基于引入的二次惩罚因子和拉格朗日乘法算子，将所述约束变分模型转换为非约束性变分模型；

计算所述非约束性变分模型的最优解，得到各所述带宽受限的模态分解后的模态分量。

4.根据权利要求3所述的方法，其特征在于，建立各所述带宽受限的模态下的约束变分模型，包括：

对各所述带宽受限的模态进行滤波处理和希尔伯特变换，得到各所述带宽受限的模态的单边频谱；

将各所述带宽受限的模态的单边频谱调制到对应的基频带，计算调制后的范数表达式，并使用所述范数表达式计算各所述带宽受限的模态的带宽，得到所述约束变分模型。

5.根据权利要求2所述的方法，其特征在于，根据各所述带宽受限的模态分解后的模态分量，获取所述原始风速序列的多个所述风速子序列，包括：

判断各所述带宽受限的模态分解后的模态分量对应的傅里叶变换是否满足收敛条件；

在各所述带宽受限的模态分解后的模态分量对应的傅里叶变换满足收敛条件的情况下，获取所述原始风速序列的多个所述风速子序列；或者，在各所述带宽受限的模态分解后的模态分量对应的傅里叶变换不满足所述收敛条件的情况下，调整所述模态分量的中心频率和带宽，直至所述模态分量的傅里叶变换满足所述收敛条件，获取所述原始风速序列的多个所述风速子序列。

6.根据权利要求1所述的方法，其特征在于，基于各所述风速子序列包含的频率和/或噪声，将多个所述风速子序列划分为第一风速子序列集和第二风速子序列集，包括：

获取划分风速子序列集所需的所述频率阈值和所述噪声阈值；

将各所述风速子序列中包含的噪声大于或者等于所述噪声阈值的风速子序列，划分至所述第一风速子序列集；

将各所述风速子序列中包含的频率大于所述频率阈值且噪声小于所述噪声阈值的风速子序列，划分至所述第二风速子序列集。

7.根据权利要求1所述的方法，其特征在于，对所述第一风速子序列集进行预测，得到所述第一风速子序列集的风速预测序列，包括：

将所述第一风速子序列集中的风速子序列转换为目标轨迹矩阵；

对所述目标轨迹矩阵进行聚类，得到聚类结果；

基于所述聚类结果使用第一风速预测模型对所述第一风速子序列集进行预测，得到所述第一风速子序列集的风速预测序列；其中，所述第一风速预测模型是使用不同类别的训练数据分别对多个长短时记忆网络进行训练得到的，每个类别的训练数据包括风速子序列集和所述风速子序列集对应的风速预测序列。