[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

说明书

本发明实施例公开了一种风速预测方法、装置、电子设备及计算机可读存储介质。该方法包括：采集风速数据，建立原始风速序列；将原始风速序列分解成多个风速子序列；基于各风速子序列包含的频率和/或噪声，将多个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；分别对第一风速子序列集和第二风速子序列集进行预测，得到第一风速子序列集的风速预测序列和第二风速子序列集的风速预测序列；将第一风速子序列集的风速预测序列和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。通过本发明，解决了相关技术中存在风速预测精度低的技术问题，达到了提高风速预测精度和可靠性的技术效果。

技术领域

本发明涉及风速预测技术领域，尤其涉及一种风速预测方法、装置、电子设备及计算机可读存储介质。

背景技术

风能因其不稳定和随机的特性给电网的安全性和稳定性带来不利的影响。因此，迫切需要对风速进行精确和稳定的预测，不规则风速预测有利于系统调度的实施，协调电力侧和需求侧的平衡。

由于风速固有的性质，确定随机风速仍然是一个挑战。随着物联网技术的广泛普及，数据量呈现爆发式增长，从而增加了捕获其固有特征的难度。现有技术有大量研究集中在研究风速的异质性，但单一模型无法在所有条件下产生广泛的良好性能，造成风速预测精度较低等问题。另外，对于混合模型而言，相关风速预测模型大多侧重于探索预测引擎的可推断特权，缺乏缓解数据持续增长的问题，容易陷入计算资源瓶颈，造成不必要的时间消耗，一定程度上会降低模型训练速度和影响模型性能，进而影响风速预测精度和可靠性等。

针对上述的问题，尚未提出有效地解决方案。

发明内容

本发明实施例提供了一种风速预测方法、装置、电子设备及计算机可读存储介质，以至少解决相关技术中存在风速预测精度低的技术问题。

根据本发明实施例的一个方面，提供了一种风速预测方法，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。

可选地，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。

可选地，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。

可选地，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。