The invention discloses a wind speed and meteorological characteristics based on ultra short term prediction method, using machine learning techniques for wind farm meteorological monitoring data to learn to select the current period of wind turbine location, relative humidity, air pressure and meteorological characteristics of water vapor pressure, temperature, the wind speed, using multi variable mapping the next time, and polynomial to establish a wind turbine location velocity regression algorithm, so as to achieve a prediction effect, according to the current period of wind farm real-time acquisition of meteorological characteristics predicted wind speed value of the next time. The invention is easy to be realized in the field and is an effective guarantee for the real-time optimization of a new clean smart grid with large-scale wind power.
【技术实现步骤摘要】
一种基于气象特征的风电场风速超短期预测方法
本专利技术涉及一种基于气象特征的风电场风速超短期预测方法,属于新能源发电
技术介绍
机器学习技术是人工智能的核心,涉及多个领域多个学科,专门研究计算机如何模拟人类大脑以实现人类行为,甚至自主获取新知识新技能,重新组织已有知识结构从而不断改进自身性能。机器学习已经在数据挖掘、计算机视觉、自然语言处理、搜索引擎、生物特征识别、医学诊断、证券市场分析、DNA序列测序、语音和手写识别等各个领域广泛应用。2012年微软公司在“21世纪的计算”大会上展出一个应用机器学习技术将微软研究院创始人的英文演讲语音识别成英文文本,再将英文翻译成中文,最后将中文文本合成中文语音的同声传译;2016年AlphaGo击败围棋世界冠军李世石,2017年升级版Master战胜中日韩顶尖围棋选手以60胜0负1和的战绩结束比赛。目前,谷歌开源的TensorFlow项目、Facebook公司的Torch和Caffe深度学习框架开发、亚马逊宣布在其新的机器学习平台支持MXNet……对数据的占有和学习已成为各大企业争夺的焦点。随着社会进步,掌握各种数据甚至成为了国家向前发展的重要基础,能否对数据进行有效学习则是发展质量优劣的重要衡量标准。对于电力系统而言,随着智能化水平的不断提高,机器学习技术的渗透也将日趋明显。接入电网的传感器每隔一定时间将自动测量系统的运行状态,有很大规模的数据值得学习,或将能得到对电网运行有益的高价值参考信息。近年来新能源发电技术蓬勃发展,电网正逐步发展成为广泛接纳光伏、风电等新能源并充分结合储能系统的新型清洁智能电网。充 ...
【技术保护点】
一种基于气象特征的风电场风速超短期预测方法,其特征在于,包括以下步骤:1)根据风电场气象监测数据,创建若干个训练样本,训练样本表示为(x
【技术特征摘要】
1.一种基于气象特征的风电场风速超短期预测方法,其特征在于,包括以下步骤:1)根据风电场气象监测数据,创建若干个训练样本,训练样本表示为(x(i),y(i)),其中,x(i)表示第i时段训练样本中的特征向量,y(i)为第i+1时段的风速数据;2)对所有训练样本中的特征向量x(i)进行多项式化、归一化处理;3)将归一化处理后的特征向量作为多变量多项式回归训练的原始样本,将多变量多项式回归模型转化为多变量线性回归模型;4)利用训练样本,对多变量线性回归模型中的参数向量进行寻优,确定参数向量;5)采集一个时段的风电场气象特征参量,利用训练样本的均值和标准差进行多项式化、归一化处理后,输入到多变量线性回归模型的预测函数中,结合步骤4)寻优的参数向量,进行下一时段的风速预测;6)待下一时段的真实风速值采集完成,与上一时段的气象特征参量构成一个训练样本,对此单个样本的特征向量进行多项式化、归一化处理,然后根据此单个样本修正参数向量;7)将步骤6)多项式化、归一化处理的特征向量,修正后的参数向量带入预测函数中,进行下一次的风速预测;8)重复步骤6)和步骤7)。2.根据权利要求1所述的一种基于气象特征的风电场风速超短期预测方法,其特征在于,所述特征向量x(i)包括气压、相对湿度、水汽压、温度、现时风速5个气象特征参量。3.根据权利要求1所述的一种基于气象特征的风电场风速超短期预测方法,其特征在于,所述步骤1)中,定义15min为一个时段。4.根据权利要求1所述的一种基于气象特征的风电场风速超短期预测方法,其特征在于,所述步骤2)中,进行多项式化处理是指:对每个训练样本都进行三次多项式化处理,多项式化处理后的每一项都作为一个新的特征参量,将训练样本中的原特征参量,多项式化后产生的新的特征参量,再加上截距特征构成新的特征向量,新的特征向量中特征参量的组成为:第一个为截距特征第2~6个是5个气象特征参量,后面的全是多项式化产生的项。5.根据权利要求4所述的一种基于气象特征的风电场风速超短期预测方法,其特征在于,所述步骤2)中,归一化处理是指,对新的特征向量中除截距特征外的特征参量进行归一化处理,首先,求出所有训练样本中每一个特征参量的均值μj和标准差σj,然后根据公式(1),对每个训练样本中的特征向量进行归一化处...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。