| 主权项 |
一种风电功率超短期预测方法，其特征是该方法包括以下步骤：步骤1：采集风电场的风速、风向和风电功率数据，形成样本集；步骤2：对样本集进行数据预处理，具体步骤包括：步骤2.1：对采集的样本集应用有限脊波变换，得到脊波系数矩阵，对脊波系数矩阵的每列分别进行一维离散多尺度小波变换，得到有限脊波变换系数矩阵；步骤2.2：对有限脊波变换系数矩阵的每一列进行小波自适应阈值去噪处理，低频子带系数不处理，对各高频子带系数进行软阈值处理；步骤2.3：对处理后的有限脊波变换系数矩阵应用有限脊波反变换重构信号；步骤2.4：对重构信号进行自适应维纳Wiener滤波，得到去噪后的样本集；步骤3：利用深度自动编码器网络对预处理后的样本集进行降维，具体步骤包括：步骤3.1：采用连续限制波耳兹曼机模型对去噪处理后的样本集进行预训练，得到一组独立的连续限制波耳兹曼机模型和一组权值；步骤3.2：将每个连续限制波耳兹曼机模型的输出神经元和下一个连续限制波耳兹曼机模型的输入神经元合并为一层，展开形成深度自动编码器网络；步骤3.3：对权值进行微调，采用基于交叉熵函数的BP算法进行网络训练，调整权值以使交叉熵函数达到最小，完成降维过程；步骤4：用降维后的样本集对相关向量机回归模型进行训练，然后利用训练后的相关向量机回归模型对超短期的风电功率进行预测，具体步骤包括：步骤4.1：将降维后的样本集根据相关向量机输入的格式要求对样本集进行格式化处理；步骤4.2：选择高斯核函数作为相关向量机模型的核函数，对核函数的参数初始化；步骤4.3：用格式化处理后的样本集对相关向量机模型进行训练；步骤4.4：在步骤4.3的基础上，利用训练好的相关向量机模型进行超短期的风电功率预测。 |
