[发明专利]基于频域多尺度风速信号可预报性的超短期风速预测方法

摘要

基于频域多尺度风速信号可预报性的超短期风速预测方法，属于分析和测量控制技术领域，涉及基于频域多尺度风速信号可预报性的超短期风速预测方法。为解决现有预测方法未考虑频域多尺度的可预报性问题和统计预报模型中输入空间的数据维数选取需要依靠经验而导致的预测精度低、模型训练时间长的问题，通过增加可预报性分析和自相关性分析技术步骤避免了高频分量预测的步数过长而导致叠加后反而对预测结果产生负面影响有效提高了超短期风速预测的精度并减少了模型训练的时间。本发明主要用于风电场对电场功率的预测，从而帮助电网制定合理的调度计划，确定旋转备用，安全经济地保证电网的运行。

主权项

基于频域多尺度风速信号可预报性的超短期风速预测方法，其特征在于其具体步骤如下：步骤一：基于风速的频域多尺度特性，通过Mallat小波分解将原始风速时间序列进行分解，分解成3～4层不同频域尺度的子序列；步骤二：通过自相关性分析方法来度量各频域子序列的可预报性，根据每一个频域尺度上的风速序列可预报性分析结果以函数阈值确定各子序列的预测步数L；步骤三：将Mallat小波分解得到的尺度信号和细节信号中的每个点，通过与其前面时刻L个点及L‑1个差分项组成每个点的特征向量，并做归一化处理；利用主成分分析方法对尺度信号的输入空间进行降维处理，得到维数优化的输入向量；步骤四：根据步骤二得到的分析结果和步骤三得到的尺度信号的维数优化的输入向量和细节信号的特征向量，在各个频域尺度上分别建立不同预测长度的统计回归模型，同时得到各个频域尺度的预测结果；步骤五、通过Mallat小波重构算法将步骤四中各频域尺度的统计回归模型的预测结果进行合成，最终得到超短期风速预测的结果。