一种基于数据重构和TCN-BiLSTM的短期风电功率预测方法技术

本发明专利技术请求保护一种基于数据重构和TCN

【技术实现步骤摘要】
一种基于数据重构和TCN
‑
BiLSTM的短期风电功率预测方法


[0001]本专利技术涉及短期风电功率预测方法
，尤其涉及一种基于数据重构和TCN
‑
BiLSTM的短期风电功率预测方法。

技术介绍

[0002]风能作为一种发电成本低、发电过程无污染的清洁可再生能源，逐渐成为能源与环境可持续发展的主力军。然而，风电具有的随机性和波动性会直接影响风电场甚至整个电力系统的安全性和稳定性。因此，提高风电功率预测的准确性对减轻其负面影响，提高电力系统运行的安全性、经济性和稳定性具有重要意义。
[0003]常见风电功率预测的方法可以分为物理方法、统计方法和人工智能的方法。物理方法需要结合相关天气因素数据、风电场所处地址周围的地形因素数据和现场采集得到的数据。尽管不需要大量历史风电数据，但物理方法计算量巨大、建模难度高并且不能进行实时预测。统计方法通过找出数值天气预报系统采集的历史天气数据和风电场的历史功率数据之间存在的映射关系。由于风电序列的非线性特性，使得统计方法预测存在偏差，难以满足风电预测的精度要求。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据重构和TCN
‑
BiLSTM的短期风电功率预测方法，其特征在于，包括以下步骤：步骤1、对原始风电功率数据进行数据清洗、归一化在内的数据预处理；步骤2、对功率序列进行自适应噪声完备集合经验模态分解得到分解序列；步骤3、计算各分解序列的样本熵，将样本熵值相似的模态分量合并组成新的分量；步骤4、构建结合时间卷积网络和双向长短期记忆网络的多元神经网络组合模型，并采用Adam优化器来调节网络权重参数，寻找网络最优值，网络训练完成后，将分解后的功率数据子序列和对应气象数据输入该组合模型，分别由时间卷积网络模块进行特征提取，双向长短期记忆网络模块进行深度信息挖掘与预测，最后将各子序列预测结果叠加得到最终预测结果。2.根据权利要求1所述的一种基于数据重构和TCN
‑
BiLSTM的短期风电功率预测方法，其特征在于，所述步骤1对功率数据进行预处理，具体包括：根据横向处理法对相邻数据取平均值来修正和代替缺失数据和异常数据，如下式所示：其中，x
t
表示需要修正的数据，x
t
‑1和x
t+1
分别表示前一时刻和后一时刻的数据。3.根据权利要求1所述的一种基于数据重构和TCN
‑
BiLSTM的短期风电功率预测方法，其特征在于，所述步骤2中CEEMDAN分解的完整流程如下：步骤1)、将高斯白噪声δ
j
(t)加入到原始信号x(t)，得到新信号s(t)；s(t)＝x(t)+δ
j
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中j＝1,2,
…
,N，N表示加入白噪声的次数；步骤2)、对已添加噪声信号的s(t)进行EMD分解，得到第一个本征模态分量IMF1；式中E[
·
]表示对信号进行EMD分解操作，t＝1,2,
…
,n，n表示EMD分解得到模态分量的个数，r1为EMD分解后得到的第一个残差分量；步骤3)、对EMD分解得到的n个模态分量进行集合平均得到CEEMDAN分解的第一个本征模态分量模态分量去除第一个模态分量后得到余量R1(t)；步骤4)、在R1(t)中加入白噪声得到新信号，对该新信号进行EMD分解，得到第一个模态分量，由此得到CEEMDAN分解的第二个本征模态分量分量，由此得到CEEMDAN分解的第二个本征模态分量去除第二个模态分量后得到余量R2(t)；步骤5)、重复上述步骤，直到获得的余量为单调函数，不能再继续分解，最终原始信号x
(t)被分解为：式中k＝1,2,
…
,K表示得到的本征模态分量的数量，R(t)表示最终剩余的残差信号。4.根据权利要求3所述的一种基于数据重构和TCN
‑
BiLSTM的短期风电功率预测方法，其特征在于，所述步骤2)中CEEMDAN分解中的EMD分解流程如下：21)找到原始信号x(t)的所有极值点，通过三次样条插值法拟合分别得到极大值包络线e
max
(t)和极小值包络线e
min
(t)；22)计算上下包络线的平均值m1(t)；23)将原始信号序列减去m1(t)得到一个去掉低频的新信号p(t)p(t)＝x(t)
‑
m1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)一个固有模式函数必须满足以下两个条件：整个数据长度中极值点和过零点的数目必须相等或至多相差一个；由三次样条拟合极值点确定的上、下包络线的平均值是0，若p(t)不满足以上两个条件，则重复上述步骤来得到第一个模态分量IMF1(t)；若p(t)满足以上两个条件，p(t)即为第一个模态分量IMF1(t)；24)得到IMF1(t)后，用原始信号x(t)减去IMF1(t)得到剩余序列r1(t)；r1(t)＝x(t)
‑
IMF1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)25)将r...

【专利技术属性】
技术研发人员：唐贤伦，张家瑞，谢颖，纪静，李自若，郭祥麟，邹密，王会明，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：