发明名称 |
基于灰关联时间序列的短期风速预测方法 |
摘要 |
本发明公开一种基于灰关联时间序列的短期风速预测方法,包括:(10)历史风速时间序列数据形成:按照采集时间顺序排列风电场实测风速,形成历史风速时间序列;(20)训练样本集获取:差分化历史风速时间序列,得到训练样本集;(30)灰关联优化风速预测模型获取:运用灰关联决策分析方法对时间序列模型的阶数进行多目标下的优化决策分析,并运用训练样本集进行灰色时间序列模型训练,得到最优风速预测模型;(40)差分化的短期预测风速获取:利用最优风速预测模型进行风电场短期风速预测,得到差分化的短期预测风速;(50)实际短期预测风速获取:反差分化短期预测风速,得到风电场短期预测风速。本发明的短期风速预测方法,预测误差小。 |
申请公布号 |
CN105956708A |
申请公布日期 |
2016.09.21 |
申请号 |
CN201610310910.9 |
申请日期 |
2016.05.12 |
申请人 |
扬州大学 |
发明人 |
李迺璐;王世杰;邱松;徐燕;徐庆 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
南京理工大学专利中心 32203 |
代理人 |
吴茂杰 |
主权项 |
一种基于灰关联时间的短期风速预测方法,其特征在于,包括如下步骤:(10)历史风速时间序列数据形成:采集风电场的实测风速,按照采集时间的顺序排列,形成历史风速时间序列;(20)训练样本集获取:对历史风速时间序列进行差分化处理,得到灰色时间序列模型所需的训练样本集;(30)灰关联优化风速预测模型获取:运用灰关联决策分析方法对灰色时间序列模型的阶数进行多目标下的优化决策分析,并运用训练样本集进行灰色时间序列模型训练,得到最优风速预测模型;(40)差分化的短期预测风速获取:利用最优风速预测模型进行风电场短期风速预测,得到差分化的短期预测风速;(50)实际短期预测风速获取:将差分化的短期预测风速进行反差分化处理,得到风电场实际短期预测风速。 |
地址 |
226009 江苏省扬州市四望亭路180号 |