一种长相关风速预测方法技术

本发明专利技术公开了一种长相关风速预测方法，包括如下步骤：S1、将预设长度的风速时间序列作为风速预测样本序列；S2、利用重标极差分析法和Lévy特征函数法计算风速预测样本序列的Hurst指数H值、尾部参数α值、比例参数δ值以及位置参数μ值；S3、根据计算出的Hurst指数H值和尾部参数α值判断风速预测样本序列是否满足长相关特性，若αH>1，则判断为满足长相关特性，则继续进行步骤S4；若不满足则返回步骤S1；S4、利用小数据量法获取最大预测步数；S5、利用Hurst指数H值、尾部参数α值、比例参数δ值、位置参数μ值、最大预测步数，建立分数Lévy迭代预测模型对风速进行预测。本发明专利技术能够精确预测风速。

【技术实现步骤摘要】
一种长相关风速预测方法
本专利技术是涉及一种长相关风速预测方法，具体是涉及一种基于最大Lyapunov指数和分数Lévy迭代预测模型的长相关风速预测方法，属于风速预测

技术介绍
风电网中，当风电渗透率超过一定值时，将严重影响电能质量。如果能够准确地预测风速和风能，则不仅有利于电力调度部门及时调整调度计划，可以有效减少风能对电网的影响，还可以降低电力系统的运行成本和轮换储备，增加风电渗透极限，为风电场参与发电招标奠定基础。但是，由于风速具有显著的长相关性、波动性、随机性等复杂特性，导致目前的风速预测方法，例如遗传BP神经网络法等预测的风电场风速的误差在左右，风速预测的准确度较差，还没有达到令人满意的水平。
技术实现思路
针对现有技术存在的上述问题，本专利技术的目的是提供一种长相关风速预测方法。为实现上述专利技术目的，本专利技术采用的技术方案如下：一种长相关风速预测方法，包括如下步骤：S1、将预设长度的风速时间序列作为风速预测样本序列；S2、利用重标极差分析法计算风速预测样本序列的Hurst指数H值，根据Lévy特征函数法计算风速预测样本序列的尾部参数α值、比例参数δ值以及位置参数μ值；S3、根据计算出的Hurst指数H值和尾部参数α值判断风速预测样本序列是否满足长相关特性，若αH>1，则判断为满足长相关特性，则继续进行步骤S4；若不满足则返回步骤S1；S4、利用小数据量法计算风速预测样本序列的最大Lyapunov指数值，获得的最大Lyapunov指数的倒数即为最大预测步数；S5、利用步骤S2计算出的Hurst指数H值、尾部参数α值、比例参数δ值、位置参数μ值和步骤S4的最大预测步数，建立分数Lévy迭代预测模型，通过分数Lévy迭代预测模型对风速进行预测。一种实施方案，步骤S2的具体操作如下：S21、利用重标极差分析法计算风速预测样本序列的Hurst指数H值：利用重标极差分析法先计算风速预测样本序列xi,i＝1,2,…,N中长度为n的区间的风速预测样本序列之和为再按照下面公式计算该区间的风速预测样本序列之和的样本方差S2(n)：则最终的具体计算公式如下：其中：为重标极差，S(n)为风速预测序列标准差，y(t)为风速预测样本序列部分和；若风速预测样本序列具有长相关性，则当n→∞时，E(R/S(n))～CHnH，其中：CH为恒定的正常数；然后画出(logn,log(R/S(n)))图，并用最小二乘回归法拟合出一条直线，计算出的这条直线的斜率即为风速预测样本序列的Hurst指数H值；S22、根据Lévy特征函数法计算风速预测样本序列的尾部参数α值、比例参数δ值以及位置参数μ值：S221、所采用的特征函数表达式如下：其中：θ是未知参数；α是尾部参数；β是偏度参数；μ为位置参数；δ是比例参数；j是虚部的表达符号，x是随机变量；S222、参数计算：S2221、以xi|i＝1...N风速预测样本序列；S2222、δ值计算：其中：γ是比例参数δ，^表示估计值的含义；S2223、α值计算：其中：其中：θ0是为保证估算过程简单而假设的一个值，其由和之间的最大距离确定，||表示绝对值，和分别是指α为1和2时的特征函数的值，是指θ＝θ0时的特征函数的估计值；是指θ＝1时的特征函数的估计值；是指特征函数的估计值；S2224、μ值计算：S2225、将β值设定为0。一种实施方案，步骤S3的具体操作如下：分数Lévy运动模型由以下随机积分给出：其中：a和b是任意常数，x≤0时，x>0时，x为上式中的t-s，M∈R是对称的Lévy随机量度，H是Hurst指数；其中当αH>1，分数Lévy运动具有长相关性。一种实施方案，步骤S4的具体操作如下：首先，令{x1,x2,…,xN}为给定的风速时间序列，即给定的风速预测样本序列，则重构的相空间定义为：Yi＝(xi,xi+τ,…,xi+(m-1)τ)∈Rm,(i＝1,2,…,M)(11)其中：N＝M+(m-1)τ，M为相空间的点数，Rm为m维实数集，m为嵌入维数，τ为时延；然后，在重建相空间之后，找到给定轨道上每个点的最近邻点，即：其中：dj(0)是第j个参考点Yj到它最邻近点的初始距离，p是时间序列的平均周期，能通过功率谱平均频率的倒数来估算，然后能通过基本轨道上每个点的平均发散率来估算最大Lyapunov指数；然后，对于每个参考点，在第一个离散时间步长之后计算到最近离散点的距离，方法是：其中：dj(i)是参考点Yj与它最邻近点第i个离散时间步长后的距离；然后，dj(i)具有λ1指数的发散率，并且取两边的对数，得到：lndj(i)＝lnCj+λ1(i·Δt)(15)其中：Cj＝dj(0)，λ1是最大Lyapunov指数；然后，最大Lyapunov指数大致等于这组直线上的斜率，能通过最小二乘法对这组线进行近似来获得：当λ1>0时，最大Lyapunov指数的倒数就是最大预测步数ε，即：一种实施方案，步骤S5中分数Lévy迭代预测模型的建立方法如下：首先，建立起由分数Lévy运动驱动的Langevin型随机微分方程：dXH,α(t)＝b(t,XH,α(t))dt+δ(t,XH,α(t)),dLH,α(t)(18)其中：b(t,XH,α(t))代表漂移函数，δ(t,XH,α(t))代表扩散函数，XH,α(t)代表时间序列，LH,α(t)代表分数Lévy运动；然后，根据分数Black-Scholes模型可以得出：dXH,α(t)＝μXH,α(t)dt+δXH,α(t)dLH,α(t)(19)其中：μ代表Lévy运动中的位置参数，δ代表Lévy运动中的比例参数；然后，根据下面的公式(20)和(21)能得出分数Lévy运动的增量与Lévy运动白噪声的关系：dx＝f(t)(dt)a(21)因此分数Lévy运动的增量与Lévy运动白噪声的关系式为：其中：wα(t)代表Lévy运动白噪声；然后，从恒等式ΔX(t)＝X(t+1)-X(t)即能获得分数Lévy迭代预测模型：与现有技术相比，本专利技术具有如下显著性有益效果：本专利技术提供的风速预测方法，利用重标极差分析法和Lévy特征函数法计算风速预测样本序列的Hurst指数H值、尾部参数α值、比例参数δ值以及位置参数μ值，利用最大lyapunov指数计算出风速预测样本序列的最大预测步数，再利用最大预测步数及Hurst指数H值、尾部参数α值、比例参数δ值以及位置参数μ值建立分本文档来自技高网...

【技术保护点】
1.一种长相关风速预测方法，其特征在于，包括如下步骤：/nS1、将预设长度的风速时间序列作为风速预测样本序列；/nS2、利用重标极差分析法计算风速预测样本序列的Hurst指数H值，根据Lévy特征函数法计算风速预测样本序列的尾部参数α值、比例参数δ值以及位置参数μ值；/nS3、根据计算出的Hurst指数H值和尾部参数α值判断风速预测样本序列是否满足长相关特性，若αH>1，则判断为满足长相关特性，则继续进行步骤S4；若不满足则返回步骤S1；/nS4、利用小数据量法计算风速预测样本序列的最大Lyapunov指数值，获得的最大Lyapunov指数的倒数即为最大预测步数；/nS5、利用步骤S2计算出的Hurst指数H值、尾部参数α值、比例参数δ值、位置参数μ值和步骤S4的最大预测步数，建立分数Lévy迭代预测模型，通过分数Lévy迭代预测模型对风速进行预测。/n

【技术特征摘要】
1.一种长相关风速预测方法，其特征在于，包括如下步骤：
S1、将预设长度的风速时间序列作为风速预测样本序列；
S2、利用重标极差分析法计算风速预测样本序列的Hurst指数H值，根据Lévy特征函数法计算风速预测样本序列的尾部参数α值、比例参数δ值以及位置参数μ值；
S3、根据计算出的Hurst指数H值和尾部参数α值判断风速预测样本序列是否满足长相关特性，若αH>1，则判断为满足长相关特性，则继续进行步骤S4；若不满足则返回步骤S1；
S4、利用小数据量法计算风速预测样本序列的最大Lyapunov指数值，获得的最大Lyapunov指数的倒数即为最大预测步数；
S5、利用步骤S2计算出的Hurst指数H值、尾部参数α值、比例参数δ值、位置参数μ值和步骤S4的最大预测步数，建立分数Lévy迭代预测模型，通过分数Lévy迭代预测模型对风速进行预测。


2.根据权利要求1所述的方法，其特征在于，步骤S2的具体操作如下：
S21、利用重标极差分析法计算风速预测样本序列的Hurst指数H值：
利用重标极差分析法先计算风速预测样本序列xi,i＝1,2,…,N中长度为n的区间的风速预测样本序列之和为再按照下面公式计算该区间的风速预测样本序列之和的样本方差S2(n):



则最终R/S的具体计算公式如下:



其中：为重标极差，S(n)为风速预测序列标准差，y(t)为风速预测样本序列部分和；
若风速预测样本序列具有长相关性，则当n→∞时，E(R/S(n))～CHnH，其中：CH为恒定的正常数；然后画出(logn,log(R/S(n)))图，并用最小二乘回归法拟合出一条直线，计算出的这条直线的斜率即为风速预测样本序列的Hurst指数H值；
S22、根据Lévy特征函数法计算风速预测样本序列的尾部参数α值、比例参数δ值以及位置参数μ值：
S221、所采用的特征函数表达式如下：



其中：θ是未知参数；α是尾部参数；β是偏度参数；μ为位置参数；δ是比例参数；j是虚部的表达符号，x是随机变量；
S222、参数计算：
S2221、以xi|i＝1...N风速预测样本序列；
S2222、δ值计算：









其中：γ是比例参数δ，^表示估计值的含义；
S2223、α值计算：






其中：
其中：θ0是为保证估算过程简单而假设的一个值，其由和之间的最大距离确定，||表示绝对值，和分别是指α为1和2时的特征函数的值，是指θ＝θ0时的特征函数的估计值；是指θ＝1时的特征函数的估计值；是指特征函数的估计值；
S2224、μ值计算：
<...

【专利技术属性】
技术研发人员：段守武，宋万清，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海;31