[发明专利]基于STCP‑BP的风速预测方法

摘要

一种基于STCP‑BP的风速预测方法，所述方法首先利用目标预测点盛行风向的上风向邻域点的风速及风向信息，建立时空相关性预测模型，得到目标预测点的风速预测值；然后运用目标预测点的历史风速数据建立BP神经网络直接多步预测模型，得到目标预测点的未来多步风速预测值；最后将两种预测值进行平均组合预测，得到目标预测点风速的直接多步预测值。本发明在传统神经网络预测方法的基础上加入了上风向观测点的风速信息，既考虑了风速演变的时空相关特性，又采用统计方法实现多步预测，大大提高了风电场风速的预测精度。所述方法能够为调度部门制定和调整计划提供可靠的参考数据，从而减轻了风电的间歇性对电网的影响。

主权项

一种基于STCP‑BP的风速预测方法，其特征是，所述方法首先利用目标预测点盛行风向的上风向邻域点的风速及风向信息，建立时空相关性预测STCP模型，得到目标预测点的风速预测值；然后运用目标预测点的历史风速数据建立BP神经网络直接多步预测模型，得到目标预测点的未来多步风速预测值；最后将两种预测值进行平均组合预测，得到目标预测点风速的直接多步预测值；预测步骤如下：a.建立时空相关性预测STCP模型，得到目标预测点风速预测值，具体步骤为：1)考察风电场及附近区域的盛行风向，设目标预测点为s0，选盛行风向的上风向的两个点作为s0邻域内的时空相关点s1和s2，并设A为两个时空相关点s1和s2的统称，B为目标预测点s0的简称，测量A、B两点之间的距离矢量，包括距离相角及距离长度；2)利用选定的目标预测点s0邻域内的两个时空相关点s1和s2的风速信息，运用线性关系估计传播风速和目标预测点s0的风速矢量，所使用的估计模型为：v→F(t)=a0+a1v→A(t),]]>Δτ=AB→·v→F(t)vF-2(t),]]>v→B(t+Δτ)=b0+b1v→A(t),]]>式中，为传播风速，表示距离矢量，表示点积，表示A点风速，表示B点风速，t为时间，a0、a1、b0、b1均为常数；3)误差修正，修正方程为：v→B(t+Δτ)=b0+b1v→A(t)+c·e(t-1),]]>其中c是一个常参数，e(t‑1)是非校正STCP模型的前一时刻风速矢量误差；4)最小二乘法优化STCP模型参数p＝[a0，a1，b0，b1，c]，并确定STCP预测结果的嵌入维数n和m；5)应用STCP模型在测试样本集内进行测试：基于s1点当前及过去n‑1个时刻的风速信息，用优化的STCP模型对s0点的未来风速进行预测，得到对应的不等间隔的n个预测值基于s2点当前及过去m‑1个时刻的风速信息，用优化的STCP模型对s0点的未来风速进行预测，得到对应的不等间隔的m个预测值b.运用目标预测点s0的历史风速数据，建立BP神经网络直接多步预测模型，进行训练、测试，得到未来h步预测值h＝6,12,18,24；c.将BP神经网络的多步预测值与STCP相应时刻预测值进行组合预测，得到目标预测点风速的直接多步预测值。