[发明专利]一种基于气象特征的风电场风速超短期预测方法

摘要

本发明公开了一种基于气象特征的风电场风速超短期预测方法，利用机器学习技术，对风电场气象监测数据进行学习，选取当前时段风电机组所处位置的气压、相对湿度、水汽压、温度、现时风速等气象特征，运用多变量多项式回归算法建立其与下一时段风电机组所处位置风速值的映射关系，从而达到一种预测效果，即根据风电场实时采集的当前时段气象特征预测出下一时段的风电场风速值。本发明易于现场实现，是接纳大规模风电的新型清洁智能电网实时优化调度的有效保障。

主权项

一种基于气象特征的风电场风速超短期预测方法，其特征在于，包括以下步骤：1)根据风电场气象监测数据，创建若干个训练样本，训练样本表示为(x(i),y(i))，其中，x(i)表示第i时段训练样本中的特征向量，y(i)为第i+1时段的风速数据；2)对所有训练样本中的特征向量x(i)进行多项式化、归一化处理；3)将归一化处理后的特征向量作为多变量多项式回归训练的原始样本，将多变量多项式回归模型转化为多变量线性回归模型；4)利用训练样本，对多变量线性回归模型中的参数向量进行寻优，确定参数向量；5)采集一个时段的风电场气象特征参量，利用训练样本的均值和标准差进行多项式化、归一化处理后，输入到多变量线性回归模型的预测函数中，结合步骤4)寻优的参数向量，进行下一时段的风速预测；6)待下一时段的真实风速值采集完成，与上一时段的气象特征参量构成一个训练样本，对此单个样本的特征向量进行多项式化、归一化处理，然后根据此单个样本修正参数向量；7)将步骤6)多项式化、归一化处理的特征向量，修正后的参数向量带入预测函数中，进行下一次的风速预测；8)重复步骤6)和步骤7)。