用于风电场功率预测模型的正弦归一化方法

摘要

本发明公开了属于风电功率预测领域的风电场功率预测模型的正弦归一化方法。它包括以下步骤：1）获取风电场的n组数值天气预报数据和风电场输出功率数据；2）初始化BP神经网络；3）分别对风速、风向正弦、风向余弦、气温、气压和湿度进行线性归一化处理；对于风电场输出功率数据，进行正弦归一化处理；4）将x′new作为BP神经网络的输入值进行预测，并将得到的预测结果进行反归一化；本发明的有益效果为：第一，有较强的普适性。第二，本发明能够较为显著地提高神经网络功率预测模型的预测精度。第三，本发明简单易行，不需要对原神经网络功率预测模型进行修改就能够实施。

主权项

用于风电场功率预测模型的正弦归一化方法，其特征在于，包括以下步骤：1）获取风电场的n组数值天气预报数据和风电场输出功率数据；数据采样间隔为15分钟；2）初始化BP神经网络，该BP神经网络具有两个隐藏层；3）分别对风速、风向正弦、风向余弦、气温、气压和湿度进行线性归一化处理，线性归一化的公式如下： y ′ = y - y min y max - y min 其中y’为归一化后的变量，y为待归一化变量（风速、风向正弦、风向余弦、气温、气压或湿度），ymin为待归一化变量中的最小值，ymax为待归一化变量中的最大值；对于风电场输出功率数据，进行正弦归一化处理，具体说明如下：首先按以下公式进行线性归一化处理： x new = x - x min x max - x min xnew线性归一化后的风电场输出功率数据，x为待归一化的风电场输出功率数据，xmin为待归一化的风电场输出功率数据中的最小值，xmax为待归一化的风电场输出功率数据中的最大值；然后再按照以下公式进行正弦归一化处理： x new ′ = sin ( π 2 x new ) x′new为正弦归一化后的风电场输出功率数据；将y′和x′new作用于神经网络模型，依据BP误差反向传播算法，经过学习，最终建立BP神经网络；4）将x′new作为BP神经网络的输入值进行预测，并将得到的预测结果进行反归一化；首先按照以下公式进行正弦反归一化： x ′ = 2 π arcsin ( x new ′ ) 其中x′new为上一步得到的预测结果，该值为0到1之间的值，x’为正弦反归一化后的结果；而后再按照以下公式进行线性反归一化：p=x′(Xmax‑Xmin)+XminP为风电场输出功率预测值。