[发明专利]基于自适应神经模糊推理系统的风速超短期在线预测方法

摘要

本发明公开了一种基于自适应神经模糊推理系统的风速超短期在线预测方法，包括步骤：从历史数据库中提取风速数据，并进行异常检验和归一化处理；基于时间序列相关性度量标准提取训练样本集；采用ANFIS对风速时间序列进行建模，采用减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数；输入预测样本，计算得到预测值；加入预测值形成新的样本集，循环实现多步预测；将预测值进行反归一化处理，并进行异常检验。本发明能以较快的速度和较少的计算资源完成风速序列建模，实现风速的超短期在线预测。

主权项

一种基于自适应神经模糊推理系统的风速超短期在线预测方法，其特征在于，包括下列步骤：步骤S1，从历史数据库中提取风速数据，并对所有风速数据完成异常检验后，进行归一化处理；步骤S2，基于时间序列相关性度量标准提取训练样本集；步骤S3，采用ANFIS对风速时间序列进行建模，模型为6维输入1维输出，采用减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数；步骤S4，输入预测样本，计算得到预测值；步骤S5，判断多步预测是否完成，若是，进入步骤S7；若否，进入步骤S6；步骤S6，加入预测值形成新的样本集，并返回步骤S2；步骤S7，将预测值进行反归一化处理，并进行异常检验。