基于权重优化的混合风速预测方法技术

本发明专利技术涉及风速预测方法技术领域，且公开了基于权重优化的混合风速预测方法，包括以下步骤：S1、采用长短期记忆网络对原始风速数据进行时间序列分析；S2、采用时序卷积网络对原始风速数据进行空间特征提取；S3、应用果蝇优化算法动态调整长短期记忆网络和时序卷积网络在最终预测中的权重分配；S4、将长短期记忆网络和时序卷积网络的预测结果按照果蝇优化算法优化后的权重进行组合，得到最终的风速预测值，通过长短期记忆网络与时序卷积网络对风速的不同特征抓取能力不同，本发明专利技术所提出的方法能有效弥补单一算法不足，提升风速预测精度，通过果蝇算法权重优化可通过预测效果进行实时更新，提升模型预测性能。

【技术实现步骤摘要】

本专利技术涉及风速预测方法，具体为基于权重优化的混合风速预测方法。

技术介绍

1、风能作为可再生清洁能源，具有分布广泛、经济友好、发电潜力高等特点。然而，风速的随机性和间歇性会对电网的稳定性造成冲击，严重威胁电网安全运行。对风速进行准确的预测，不仅能提高电网实时调度准确性，更能提高电网运行的稳定性，提高风电的利用率，保证能源利用的经济性。

2、根据建模理论的不同，预测模型可以分为四种类型：物理模型、传统统计模型、基于人工智能(ai)的模型和混合模型，数值天气预报(nwp)和气象研究员预报(wrf)等物理模式通常考虑各种气象因素(如气压、湿度和温度)来预测未来风速。研究表明，物理模型在中期和长期风速预报中具有较好的性能，这使得利用给定风速时风力机的功率曲线获得风电功率预报成为可能。

3、传统的统计模型包括自回归移动平均(arma)、自回归积分移动平均(arima)、分数-arima(f-arima)和hammerstein自回归模型。与物理模型不同，这些时间序列模型通常用于表征不同地点风速的线性波动，通常在超短期和短期风速预测中表现良本文档来自技高网...

【技术保护点】

1.基于权重优化的混合风速预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于权重优化的混合风速预测方法，其特征在于：在S1中，所述长短期记忆网络采用门控机制，包括输入门、遗忘门和输出门；

3.根据权利要求2所述的基于权重优化的混合风速预测方法，其特征在于：所述输入门中，所述输入信号有0和1两种状态，0表示不处理当前信号，1表示对当前信号进行计算；

4.根据权利要求2所述的基于权重优化的混合风速预测方法，其特征在于：所述遗忘门具有两个不同状态0和1的二进制信号；

5.根据权利要求2所述的基于权重优化的混合风速预测方法，其特征在...

【技术特征摘要】

1.基于权重优化的混合风速预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于权重优化的混合风速预测方法，其特征在于：在s1中，所述长短期记忆网络采用门控机制，包括输入门、遗忘门和输出门；

3.根据权利要求2所述的基于权重优化的混合风速预测方法，其特征在于：所述输入门中，所述输入信号有0和1两种状态，0表示不处理当前信号，1表示对当前信号进行计算；

4.根据权利要求2所述的基于权重优化的混合风速预测方法，其特征在于：所述遗忘门具有两个不同状态0和1的二进制信号；

5.根据权利要求2所述的基于权重优化...

【专利技术属性】
技术研发人员：黄峰，扈菲宇，段宇昊，
申请(专利权)人：湖南工程学院，
类型：发明
国别省市：