一种基于长短期记忆时间神经网络的风速预测方法及系统技术方案

本发明专利技术涉及风电场风速预测领域，公开了一种基于长短期记忆时间神经网络的风速预测方法及系统，包括：A）采集已有的历史风速数据和实测的风速数据；B）分析不良数据，进行数据预处理，获得风速样本，构建风速样本数据库；C）将风速样本数据库分为训练样本数据库、验证样本数据库和检测样本数据库；D）构建长短期记忆神经网络模型；E）利用已训练好的长短期记忆神经网络模型对风速进行预测，获得风速预测值。本发明专利技术在完全利用历史数据的情况下，通过建立长短期记忆时间神经网络模型，并且对长短期记忆神经网络模型进行参数优化，实现对风能的预测，预测精度高。

A prediction method and system of wind speed based on long and short term memory time neural network

【技术实现步骤摘要】
一种基于长短期记忆时间神经网络的风速预测方法及系统
本专利技术涉及风电场风速预测领域，尤其是涉及一种基于长短期记忆时间神经网络的风速预测方法及系统。
技术介绍
风能受自然因素的影响较为复杂，风速是风机变桨控制和转矩控制的重要参数，风电功率在很大程度上受风电场风速大小的变换，风速的随机性会对风电并网产生很大的影响，从而破环电网的稳定性，因此对风电场的风速进行预测将大大提高风能的利用率和稳定性能。目前许多国内外学者对风电场风速的预测问题进行了研究，也提出了多种方法，比如卡尔曼滤波法、小波分析法、BP神经网络和支持向量机等。其中卡尔曼滤波法和小波分析法在处理非线性系统预测问题的时候难度较大；BP神经网络和支持向量机其模型结构复杂，实际应用中步骤繁琐，在处理长序列数据的时候，容易出现梯度消失的问题，导致预测精度大大降低。例如，一种在中国专利文献上公开的“一种风速预测方法、装置及设备”，其公告号CN108985520A，该专利技术利用小波算法对风速数据序列进行分解和重构，并利用预先训练得到的布谷鸟算法优化的神经网络分别对各个子序列进行预测本文档来自技高网...

【技术保护点】
1.一种基于长短期记忆时间神经网络的风速预测方法，其特征是，包括步骤：/nA)采集已有的历史风速数据和实测的风速数据；/nB)分析不良数据，进行数据预处理，获得风速样本，构建风速样本数据库；/nC)将风速样本数据库分为训练样本数据库、验证样本数据库和检测样本数据库；/nD)构建长短期记忆神经网络模型，利用训练样本数据库对长短期记忆神经网络模型进行训练，调整长短期记忆神经网络模型的参数，获得已训练好的长短期记忆神经网络模型，利用验证样本数据库对长短期记忆神经网络模型进行验证；/nE)利用已训练好的长短期记忆神经网络模型对风速进行预测，获得风速预测值，将预测值保存到检测样本数据库中，形成新的检测样...

【技术特征摘要】
1.一种基于长短期记忆时间神经网络的风速预测方法，其特征是，包括步骤：
A)采集已有的历史风速数据和实测的风速数据；
B)分析不良数据，进行数据预处理，获得风速样本，构建风速样本数据库；
C)将风速样本数据库分为训练样本数据库、验证样本数据库和检测样本数据库；
D)构建长短期记忆神经网络模型，利用训练样本数据库对长短期记忆神经网络模型进行训练，调整长短期记忆神经网络模型的参数，获得已训练好的长短期记忆神经网络模型，利用验证样本数据库对长短期记忆神经网络模型进行验证；
E)利用已训练好的长短期记忆神经网络模型对风速进行预测，获得风速预测值，将预测值保存到检测样本数据库中，形成新的检测样本数据库。


2.根据权利要求1所述的一种基于长短期记忆时间神经网络的风速预测方法，其特征是，步骤B)中不良数据包括误差较大的风速数据和不完整数据，数据预处理包括：
B1)删除误差较大的风速数据，获得与不良数据相邻的前后两个数据的均值，用所述均值补全不良数据，获得按照时间顺序进行排列的风速数据序列；
B2)设置截断长度为t，对风速数据序列进行随机截断处理；
B3)获得随机截断处理后n个风速数据序列片段，将n个风速数据序列片段作为风速样本，将风速样本放入风速样本数据库中。


3.根据权利要求1或2所述的一种基于长短期记忆时间神经网络的风速预测方法，其特征是，步骤D中构建长短期记忆神经网络模型，包括：
D1)参数初始化，其中参数包括：神经元个数、网络层数、一次性输入给神经网络模型的样本数batch_size、训练次数epoch、步长time_steps以及遗忘门、输入门和输出门的各项权重和偏置项；
D2)把每个风速数据序列片段的前t-1个风速数据作为第t时刻长短期记忆神经网络模型的输入，将长短期记忆神经网络模型的输入记为Yt-1；
D3)设置遗忘门：
ft＝σ(Wf*Yt-1+bf)其中σ为sigmoid函数，记为Wf为遗忘门权重，bf为遗忘门偏置项；
D4)设置输入门：it＝σ(Wi*Yt-1+bi)，其中tanh为tanh函数，为中间记忆元件，Wi为输入门权重，bi为输入门偏置项，Wc为中间记忆元件权重，bm为中间记忆元件偏置项；
D5)设置记忆元件：

其中H(t-1)为上一次记忆元件的输出值，it为中间记忆元件权重；
D6)设置输出门，获得长短期记忆神经网络模型的输出值y(t)：
ot＝σ(Wo*Yt-1+bo)
y(t)＝ot*tanh(H(t))，其中Wo为输出门权重，bo为输出门偏置项，通过sigmoid函数确定需要输出的信息ot，再将输出的信息ot通过tanh函数进行处理；
D7)判断是否达到训练次数，如果未达到，重复C2)，如果达到，利用验证样本数据库对长短期记忆神经...

【专利技术属性】
技术研发人员：陈棋，肖威，孙勇，林勇刚，马灵芝，
申请(专利权)人：浙江运达风电股份有限公司，浙江大学，华能新能源股份有限公司，华能集团技术创新中心有限公司，
类型：发明
国别省市：浙江;33