[发明专利]一种考虑气象波动自适应匹配的风电功率预测方法及系统

权利要求书

1.一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，包括：

获取风电场的天气预报数据；

聚类分析所获取的天气预报数据，自适应辨识气象变化，得到不同类型的天气数据；

根据所得到的不同类型的天气数据和不同气象类型下预设的风电功率预测模型，完成考虑气象波动自适应匹配的风电功率预测；

其中，不同气象类型下预设的风电功率预测模型采用由人工神经网络预测子模型、随机森林预测子模型和循环神经网络预测子模型构成的组合预测模型，优化调节每个子模型的权重，完成不同气象类型下的风电功率预测。

2.如权利要求1中所述的一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，使用模糊C均值聚类算法进行分析，聚类得到不同的天气类型；具体的，通过优化目标函数得到每个样本点对所有类中心的隶属度，通过所得到的隶属度完成对样本数据的分类，得到不同的天气类型。

3.如权利要求2中所述的一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，所述目标函数J_m为其中，N表示样本数；C表示聚类中心数；μ_ij表示隶属度矩阵，即样本x_i对聚类中心C_j的隶属度；m表示超参数；x_i表示第i个样本；C_j表示第j个聚类中心；||*||表示数据相似性度量。

4.如权利要求3中所述的一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，所述隶属度矩阵表示每个样本点属于每个类的程度；计算使得所述目标函数最小的聚类中心，完成对样本数据的分类，得到不同的天气类型；其中，隶属度矩阵μ_ij为第j个聚类中心C_j为

5.如权利要求1中所述的一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，在组合预测模型中，采用线性递减权值的粒子群算法进行各个子模型权重的寻优。

6.如权利要求1中所述的一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，优化调节每个子模型的权重的过程为：

获取各个预测子模型预测结果的归一化平均绝对误差的值，得到预测结果的适应度；

采用粒子群优化算法进行所得到适应度的寻优，更新适应度；

当满足最大迭代次数或者收敛时，得到最优适应度值和最优位置，得到每个子模型的最优权重。

7.如权利要求1中所述的一种考虑气象波动自适应匹配的风电功率预测方法，其特征在于，通过相关系数分析所获取风电场的天气预报数据与风电功率之间的相关性，所得到的相关系数越大，则表示天气预报数据与风电功率之间的相关性越强。

8.一种考虑气象波动自适应匹配的风电功率预测系统，其特征在于，

获取模块，其被配置为获取风电场的天气预报数据；

聚类模块，其被配置为聚类分析所获取的天气预报数据，自适应辨识气象变化，得到不同类型的天气数据；

预测模块，其被配置为根据所得到的不同类型的天气数据和不同气象类型下预设的风电功率预测模型，完成考虑气象波动自适应匹配的风电功率预测；

其中，不同气象类型下预设的风电功率预测模型采用由人工神经网络预测子模型、随机森林预测子模型和循环神经网络预测子模型构成的组合预测模型，优化调节每个子模型的权重，完成不同气象类型下的风电功率预测。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的考虑气象波动自适应匹配的风电功率预测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的考虑气象波动自适应匹配的风电功率预测方法中的步骤。