[发明专利]一种基于模糊分区理论的神经网络风功率短期预测方法

说明书

技术领域

本发明属于风功率预测方法领域，尤其是涉及一种基于模糊分区理论的神经网络风功率短期预测方法。

背景技术

风电并网容量迅速增加，风电与系统之间的联系越来越紧密，必须考虑风能的波动性和间歇性引起风电出力的变化给电力系统电能质量、安全稳定运行和经济效益带来的不利影响。因此，进行风电功率预测具有重要的现实意义。国际上风速及功率预测模型主要为物理模型、统计学模型、时间序列模型、人工智能模型等。

目前风功率预测多采用基于NWP功率预测模型，没有对不同风速等级、不同时间段做深入分析，且模型具有单一性，风功率预测准确率较低。因此有必要研究一种新的风功率预测方法，提高风功率预测的准确率。

发明内容

有鉴于此，本发明旨在提出一种基于模糊分区理论的神经网络风功率短期预测方法，以提高风功率预测模型的准确度。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于模糊分区理论的神经网络风功率短期预测方法，包括如下步骤，

步骤1)，基于模糊分区理论，将风力等级分为无风(ZO)、小风(S)、中小风(MS)、中风(M)、中大风(MB)、大风(B)、超大风(BB)七个模糊分区，也称模糊集合A，并确定该模糊集合A的隶属度函数类型；

步骤2)，将从气象预测获得的风速数据按时间段进行风力等级模糊分区处理，确定各模糊分区范围，通过步骤1所述的隶属度函数，得到各个分区的隶属度值，用μ_i表示；

步骤3)，进行BP神经网络分区预测，得到各个分区的预测值，用net_out_i表示，然后将各个分区的预测值net_out_i乘以该分区的隶属度值μ_i，再将所有分区μ_i·net_out_i的值相加，得到功率预测值；

步骤4)，将步骤3得到的功率预测值进行概率修正，获得功率阈值。

对于某一个具体的事物，在模糊数学中我们并不将其非此即彼的划分到某个集合中，而是给出一个属于某个模糊分区的程度值，该值一般在[0，1]之间。

优选的，步骤1)中，所述模糊集合A是指，对于任意的x∈X，都有一个确定的数μ_A(x)∈[0,1]与其对应，μ_A(x)表示x相对于A的隶属程度，映射：

μ_A:X→[0，1]

                    (1.1)

x→μ_A(x)叫做A的隶属度函数，隶属度函数有很多类型，这里选取三角形隶属度函数：