[发明专利]一种基于T-S模糊模型的风电功率超短期预测方法

摘要

本发明公开了一种基于T‑S模糊模型的风电功率超短期预测方法，首先，通过相关性分析得到影响风电功率预测的主要因素，然后，对历史时刻的风速和功率进行预处理和归一化，建立训练样本集和预测样本集。最后，分别采用模糊C均值聚类算法和带遗忘因子的递推最小二乘法对模型进行结构划分和参数辨识，从而得到以风速和功率为输入的风电功率超短期预测的T‑S模糊模型。本发明过程简单，计算量小，结果准确。

主权项

一种基于T‑S模糊模型的风电功率超短期预测方法，其特征在于，包括以下步骤：1)选用前n个时刻的风速和功率作为输入，选取测量时间间隔为t分钟的M组数据作为训练数据，进行归一化处理，对所述M组训练数据进行聚类，分为c类，得到c个聚类中心v_i，隶属度矩阵U＝[μ_ik]，将隶属度μ_ik作为每个子模型输出对应的权重；2)规定每个子模型的规则结构y_i为：y_i＝a_i1x_i1+a_i2x_i2+...+a_inx_in+b_i1u_i1+b_i2u_i2+...+b_inu_in；其中,x_in,u_in,分别为为第i个子模型的风速输入序列和功率输入序列中第n个数据，a_in,b_in分别为第i个子模型的风速输入序列和功率输入序列第n个数据对应的系数；3)利用带遗忘因子的最小二乘递推算法求出子模型，利用所述子模型得到输出序列y＝w₁y₁+w₂y₂+.....w_ny_n；其中y₁,y₂....y_n为每个子模型的输出，w₁,w₂....w_n为每个子模型对应的权重，即隶属度；4)选择间隔t分钟的P组风速和功率，进行归一化处理后，作为验证模型的输入序列，来预测L天以后的风电功率，用L天以后的间隔t分钟的P组实测风电功率数据验证所述输出序列y的准确度，按聚类中心和隶属度的公式更新聚类中心v_i和隶属度矩阵U，得到每个子模型输出对应的隶属度，代入y＝w₁y₁+w₂y₂+.....w_ny_n，即得到最终的输出序列；w₁，w₂...w_n取为对应的隶属度μ_ik。