一种短期风速预测方法及系统技术方案

本发明专利技术公开了一种短期风速预测方法及系统。该方法包括：获取历史风速数据；所述历史风速数据包括第一历史风速数据和第二历史风速数据，所述第一历史风速数据为所述第二历史风速数据之前的数据；通过遗传算法对神经网络模型进行优化；通过所述历史风速数据对优化后的神经网络模型进行训练，得到预测模型；对所述第二历史风速数据进行变分模态分解，得到多个第二非线性波动风速特征数据；通过所述预测模型对多个所述第二非线性波动风速特征数据进行预测，得到风速预测数据。本方法或系统能够有效提升风速预测精度的可靠性。

A Short-term Wind Speed Prediction Method and System

The invention discloses a short-term wind speed prediction method and system. The method includes: acquiring historical wind speed data; the historical wind speed data includes the first historical wind speed data and the second historical wind speed data; the first historical wind speed data is the data before the second historical wind speed data; optimizing the neural network model through genetic algorithm; training the optimized neural network model through the historical wind speed data, and obtaining the optimized neural network model. Prediction model; Variational modal decomposition of the second historical wind speed data to obtain multiple second non-linear fluctuation wind speed characteristic data; Prediction of multiple second non-linear fluctuation wind speed characteristic data by the forecasting model to obtain wind speed prediction data. This method or system can effectively improve the reliability of wind speed prediction accuracy.

【技术实现步骤摘要】
一种短期风速预测方法及系统
本专利技术涉及风速预测领域，特别是涉及一种短期风速预测方法及系统。
技术介绍
21世纪以来，能源与环境问题日益全球化，化石能源的稀缺性和环境污染的不可逆性敦促世界各国制定能源可持续发展战略，构建多元化能源体系。推动绿色可再生能源的发展是破解当前能源问题的一把钥匙，更是促进全球能源转型的必经之路。风力发电作为一种零排放、运行成本低的新能源发电技术，已在世界范围内实现了大规模的开发和利用。据全球风能理事会发布的数据显示，2017年全球风电市场累计装机容量突破500GW，新增装机容量超过50GW，其中中国累计装机容量188GW，占全球累计装机容量的34.8％，新增装机容量为19.5GW，占全球新增装机容量的37％，持续领跑全球风电市场。近年来，海上风电发展势头良好，截止到2017年底，全球海上风电新增装机容量4.331GW，累计装机容量达18.814GW。然而随着装机容量的不断增加，电网消纳问题日益凸显。电网消纳水平低，弃风限电严峻不仅给各风电企业也带来了不可估量的经济损失，而且大大削弱了新能源发电利用率，限制了新能源产业的发展。精确的风速预测是有效提高电网消纳本文档来自技高网...

【技术保护点】
1.一种短期风速预测方法，其特征在于，所述方法包括：获取历史风速数据；所述历史风速数据包括第一历史风速数据和第二历史风速数据，所述第一历史风速数据为所述第二历史风速数据之前的数据；通过遗传算法对神经网络模型进行优化；通过所述历史风速数据对优化后的神经网络模型进行训练，得到预测模型；对所述第二历史风速数据进行变分模态分解，得到多个第二非线性波动风速特征数据；通过所述预测模型对多个所述第二非线性波动风速特征数据进行预测，得到风速预测数据。

【技术特征摘要】
1.一种短期风速预测方法，其特征在于，所述方法包括：获取历史风速数据；所述历史风速数据包括第一历史风速数据和第二历史风速数据，所述第一历史风速数据为所述第二历史风速数据之前的数据；通过遗传算法对神经网络模型进行优化；通过所述历史风速数据对优化后的神经网络模型进行训练，得到预测模型；对所述第二历史风速数据进行变分模态分解，得到多个第二非线性波动风速特征数据；通过所述预测模型对多个所述第二非线性波动风速特征数据进行预测，得到风速预测数据。2.根据权利要求1所述的短期风速预测方法，其特征在于，所述获取历史风速数据，具体包括：获取初始历史风速数据；所述初始历史风速数据包括第一初始历史风速数据和第二历史风速数据；通过层次聚类法筛选出与所述第二历史风速数据相关性在阈值范围内的所述第一初始历史风速数据，为第一历史风速数据。3.根据权利要求1所述的短期风速预测方法，其特征在于，所述通过遗传算法对神经网络模型进行优化，具体包括：通过遗传算法优化所述神经网络模型的初始权值和阈值，得到最优初始权值和最优阈值；通过所述最优初始权值和所述最优阈值确定神经网络模型，得到优化后的神经网络。4.根据权利要求1所述的短期风速预测方法，其特征在于，所述通过所述历史风速数据对优化后的神经网络模型进行训练，得到预测模型，具体包括：对所述第一历史风速数据进行变分模态分解，得到多个第一非线性波动风速特征数据；将多个所述第一非线性波动风速特征数据作为所述优化后的神经网络模型的输入，得到输出数据；判断所述输出数据与所述第一非线性波动风速特征数据的误差是否在误差阈值范围内；若是，确定所述优化后的神经网络模型为预测模型；若否，调整所述优化后的神经网络模型，使所述输出数据与所述第一非线性波动风速特征数据的误差在误差阈值范围内。5.根据权利要求1所述的短期风速预测方法，其特征在于，通过所述预测模型对多个所述第二非线性波动风速特征数据进行预测，得到风速预测数据，得到预测风速，具体包括：通过所述预测模型对每个所述第二非线性波动风速特征数据进行预测，得到多个初始风速预测数据；将多个所述初始风速预测数据进行线性叠加，得到风速预测数据。6.一种短期风速预测系统，其特征在于，所述系统包括：风速数据获取模块，用于获取历史风速数据；所述历史风速数据包括...

【专利技术属性】
技术研发人员：张亚刚，潘桂芳，张晨红，王增平，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13