【技术实现步骤摘要】
本专利技术涉及风速预测领域，特别涉及一种最大风速预测方法、装置、设备及计算机可读存储介质。
技术介绍
1、在风电建设过程中，风电场所在地区的最大风速是决定风电机组极限载荷的重要指标之一。风电机组必须能够承受最大风速带来的风载荷，以确保其安全运行。在风电项目中，准确评估所在地区的最大风速对于机组选型和经济评估至关重要。
2、在中国的风电项目开发中，通常会采用《全国风能资源评价技术规定》中的gumbel分布法来估算风电场在某一时间范围内的最大风速，使用矩法估算gumbel分布的位置参数和尺度参数是一种常见的做法，但存在以下缺点：
3、对极端值敏感：矩法估算容易受到极端值的影响，当样本数据中存在异常值或极端值时，可能会导致参数估计的不稳定性。
4、对称假设限制：矩法估算通常基于对称分布的假设，但实际上风速等气象数据往往呈现出一定的偏斜性，这可能导致参数估计的偏差。
5、忽略了高阶矩信息：矩法估算只利用了样本数据的均值和方差等低阶矩信息，而忽略了高阶矩信息，这可能导致对分布形态的估计不够准确。
技术实现思路
1、本专利技术的目的在于提供一种最大风速预测方法、装置、设备及计算机可读存储介质，应用于最大风速预测领域，该方法通过采用最小化对数似然函数的方法，同时考虑梯度函数，来获取gumbel分布的最佳拟合参数，提升拟合参数的精确度，避免了采用矩法估算进行gumbel分布参数的拟合，导致拟合得到的参数不精确，最终使预测得到的最大风速值与实际值偏差较
2、为解决上述技术问题，本专利技术提供一种最大风速预测方法，包括：
3、获取目标区域内的风速数据，确定所述风速数据中的风暴事件；
4、获取各所述风暴事件的极大风速，基于所述风速数据的时间范围从各所述极大风速中确定拟合数据；
5、基于所述拟合数据通过最大似然函数法及梯度法确定gumbel分布的最优拟合参数；
6、基于所述最优拟合参数通过所述gumbel分布的累积分布函数逆函数确定所述目标区域在预设时间内的最大风速。
7、可选的，所述基于所述拟合数据通过最大似然函数法及梯度法确定gumbel分布的最优拟合参数，包括：
8、确定所述拟合数据的概率密度分布函数值；
9、基于所述概率密度分布函数值确定所述拟合数据的对数似然函数值；
10、基于所述对数似然函数值确定梯度函数值；
11、基于所述对数似然函数值及所述梯度函数值确定所述gumbel分布最优的位置参数及尺度参数。
12、可选的，所述确定所述拟合数据的概率密度分布函数值，包括：
13、将所述拟合数据、所述位置参数及所述尺度参数输入概率密度分布函数表达式，得到所述拟合数据的所述概率密度分布函数值，所述概率密度分布函数表达式为：
14、
15、式中，f(xi；μ,β)为第i个所述拟合数据xi的所述概率密度分布函数值，β为所述尺度参数，μ为所述位置参数，e为自然常数。
16、可选的，所述基于所述概率密度分布函数值确定所述拟合数据的对数似然函数值，包括：
17、将所述概率密度分布函数输入对数似然函数表达式，确定所述拟合数据的所述对数似然函数值，所述对数似然函数表达式为：
18、
19、式中，log_likelihood(μ,β)为所述拟合函数的所述对数似然函数值，f(xi；μ,β)为第i个所述拟合数据xi的概率密度分布函数值，n为所述拟合数据的个数，β为所述尺度参数，μ为所述位置参数。
20、可选的，所述基于所述对数似然函数值确定梯度函数值，包括：
21、将所述对数似然函数值输入梯度函数表达式，确定所述梯度函数值，所述梯度函数表达式为：
22、
23、式中，log_likelihood(μ,β)为所述拟合函数的所述对数似然函数值，为所述梯度函数值，β为所述尺度参数，μ为所述位置参数。
24、可选的，所述确定所述风速数据中的风暴事件，包括：
25、从所述风速数据中确定所述风暴事件；其中，所述风暴事件中的所述风速数据大于预设风速且所述风暴事件的持续时间大于预设持续时间。
26、可选的，还包括：
27、确定各所述风暴事件之间的时间间隔；
28、将所述时间间隔小于预设时间间隔的所述风暴事件进行合并。
29、为解决上述技术问题，本专利技术提供一种最大风速预测装置，包括：
30、第一模块，用于获取目标区域内的风速数据，确定所述风速数据中的风暴事件；
31、第二模块，用于获取各所述风暴事件的极大风速，基于所述风速数据的时间范围从各所述极大风速中确定拟合数据；
32、第三模块，用于基于所述拟合数据通过最大似然函数法及梯度法确定gumbel分布的最优拟合参数；
33、第四模块，用于基于所述最优拟合参数通过所述gumbel分布的累积分布函数逆函数确定所述目标区域在预设时间内的最大风速。
34、为解决上述技术问题，本专利技术提供一种最大风速预测设备，包括：
35、存储器，用于储存计算机程序；
36、处理器，用于执行所述计算机程序时实现上述所述最大风速预测方法。
37、为解决上述技术问题，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时，实现上述所述最大风速预测方法。
38、可见，本专利技术方法通过获取目标区域内的风速数据，确定风速数据中的风暴事件；获取各风暴事件的极大风速，基于风速数据的时间范围从各极大风速中确定拟合数据；基于拟合数据通过最大似然函数法及梯度法确定gumbel分布的最优拟合参数；基于最优拟合参数通过gumbel分布的累积分布函数逆函数确定目标区域在预设时间内的最大风速。本专利技术方法通过采用最小化对数似然函数法同时考虑梯度函数获取gumbel分布的最佳拟合参数，提升拟合参数精确度，避免了采用矩法估算进行gumbel分布参数的拟合，导致拟合得到的参数不精确，最终预测得到的最大风速值与实际值偏差较大的问题。
本文档来自技高网...【技术保护点】
1.一种最大风速预测方法，其特征在于，包括：
2.根据权利要求1所述最大风速预测方法，其特征在于，所述基于所述拟合数据通过最大似然函数法及梯度法确定Gumbel分布的最优拟合参数，包括：
3.根据权利要求2所述最大风速预测方法，其特征在于，所述确定所述拟合数据的概率密度分布函数值，包括：
4.根据权利要求2所述最大风速预测方法，其特征在于，所述基于所述概率密度分布函数值确定所述拟合数据的对数似然函数值，包括：
5.根据权利要求2所述最大风速预测方法，其特征在于，所述基于所述对数似然函数值确定梯度函数值，包括：
6.根据权利要求1所述最大风速预测方法，其特征在于，所述确定所述风速数据中的风暴事件，包括：
7.根据权利要求6所述最大风速预测方法，其特征在于，还包括：
8.一种最大风速预测装置，其特征在于，包括：
9.一种最大风速预测设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行
...【技术特征摘要】
1.一种最大风速预测方法，其特征在于，包括：
2.根据权利要求1所述最大风速预测方法，其特征在于，所述基于所述拟合数据通过最大似然函数法及梯度法确定gumbel分布的最优拟合参数，包括：
3.根据权利要求2所述最大风速预测方法，其特征在于，所述确定所述拟合数据的概率密度分布函数值，包括：
4.根据权利要求2所述最大风速预测方法，其特征在于，所述基于所述概率密度分布函数值确定所述拟合数据的对数似然函数值，包括：
5.根据权利要求2所述最大风速预测方法，其特征在于，所述基于所...
【专利技术属性】
技术研发人员：张粜，潘航平，陈锐俨，刘宇新，陈以勒，
申请(专利权)人：运达能源科技集团股份有限公司，
类型：发明
国别省市：
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。