[发明专利]一种短期风速组合预测方法

摘要

本发明涉及一种短期风速组合预测方法。包括：步骤一：提取风速序列历史数据；步骤二：对提取的风速序列数据采用经验模态分解进行序列分析；步骤三：对经验模态分解得到的各个序列重构相空间；步骤四：采用各序列重构相空间后的数据训练所建立的改进极限学习机预测模型，并叠加各个序列的预测结果，得到风速预测结果；步骤五：对风速预测结果进行误差分析。本发明建模过程简单实用，能快速有效的进行风速预测，进而有效进行并网风电场的风功率预测。对于风电并网情况下的电力系统的安全稳定和调度运行具有重要意义，因此具有广泛的推广应用价值。

主权项

一种短期风速组合预测方法，其特征在于：包括以下步骤，步骤1、进行风速历史数据提取并记录；步骤2、对所提取的风速序列进行经验模态分解，得到两个以上子序列和一个余量；对提取的风速序列进行经验模态分解具体包括以下五个步骤：步骤2.1、对于风速序列{x(t)}，求得序列{x(t)}中所有局部极大值和极小值；步骤2.2、采用三次样条函数进行插值求出上包络线bmax(t)和下包络线bmin(t)的局部平均值m1(t)，其中m1(t)＝[bmax(t)+bmin(t)]/2；步骤2.3、提取h1(t)，h1(t)＝x(t)‑m1(t)，判断h1(t)是否满足固有模态分量条件，是则h1(t)就是第一个固有模态分量，不是则将h1(t)作为新的原始序列重复步骤2.1—步骤2.3；步骤2.4、直到经过n次筛选后的差值hn(t)满足固有模态分量条件，称为一个固有模态分量，记为C1(t)＝hn(t)；得到C1(t)后，从信号x(t)中得到剩余分量r1(t)，其中r1(t)＝x(t)‑C1(t)；步骤2.5、将r1(t)作为新的原始序列，重复步骤2.1—步骤2.4得到其余的固有模态分量Cm(t)，其中m＞2；当经过n次分解得到的剩余分量rn(t)为单调函数时终止，则原有风速信号分解为： x ( t ) = Σ m = 1 n C m ( t ) - r n ( t ) ; 步骤3、分别对各子序列和余量重构相空间；步骤4、以重构后的相空间为学习样本，训练改进的极限学习机预测模型，并将各子序列和余量的预测结果叠加，得到风速预测结果；步骤5、对预测结果进行误差分析。