[发明专利]一种基于风速波动特征提取的风电功率组合预测方法

权利要求书

1.一种基于风速波动特征提取的风电功率组合预测方法，其特征在于，包括以下步骤：

A.对训练样本采集的风速进行归一化，以消除噪声干扰带来的幅度的差异；

B.对归一化之后的风速建立时间窗口，并在该时间窗口内进行多重分形谱分析，多重分形谱分析的主要参数包括奇异指数α、多重分形谱的奇异谱函数f(α)和奇异谱函数的对称性参数S；

C.分析比较每一时间窗口的奇异指数α取值区间的宽度ω，多重分形谱的奇异谱函数f(α)的峰值差△f(α)和奇异谱函数的对称性参数S；

D.根据步骤C所提到的参数[ω,△f(α),S]对风速进行分类，并根据每一时间窗口所对应的参数[ω,△f(α),S]来进一步调整时间窗口的大小，使得每一时间窗口能够完整并精确的包含特定的风速类型；

E.采用极端学习机、支持向量机和优化回归功率曲线方法对步骤D所划分的风速类型依次进行训练，并对所产生的预测结果进行月均精度对比，选择其中一种方法作为该风速类型的最优单体算法，进行训练建模，得到训练好的模型；

F.依照上述训练样本分类建模的标准对测试样本进行相同的分类及建模，并对不同模型选择步骤E中所对应的最优单体算法分别进行预测，最后进行组合得到最终的预测结果；

步骤B中所述多重分形谱分析的步骤包括：

B1、计算奇异指数α：奇异指数α代表了风速的局部奇异性，定义D(i)为iⅹi方形区域，其中心点为I(x，y)，则其中，μ是定义在[0，1]ⅹ[0，1]上的概率测度，i＝2n+1，n＝0，1，…；

B2、计算多重分形谱的奇异谱函数f(α)：f(α)代表了风速的全局奇异性，计算方法为：对于每一个点(x，y)的奇异指数，计算得α_max＝max(α(i，j))，α_min＝min(α(i，j))，将[α_min，α_max]划分为N个区间，相应得到每个区间的中心点奇异值，用该值代替区间中其他点的值，然后根据公式(5)求出f(α)；

设μ是定义在[0，1]ⅹ[0，1]上的概率测度，Dn是一个正整数组成的递增序列，则定义

其中是μ(I_i，j，n)≠0的点的总和；当极限存在时，设

定义f₁(α)为τ(q)的Legendre变换

2.如权利要求1所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，步骤A中所述风速{ν_t，t＝1，2，...n}的归一化公式如下：

3.如权利要求1所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，步骤C中所述ω奇异指数取值区间为[α_min，α_max]，ω＝α_max-α_min。

4.如权利要求1所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，步骤C中所述△f(α)表示风速处于波峰、波谷位置数目的比例，△f(α)>0表示风速更多的处于波峰，谱的顶部相对较圆滑，△f(α)<0表示风速更多的处于波谷，谱的顶部相对较尖。

5.如权利要求1所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，步骤C中所述S＝0时，奇异谱是对称的；S>0时，奇异谱峰值偏右，风速有增加的趋势；S<0时，奇异谱峰值偏左，风速有减小的趋势。

6.如权利要求1所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，步骤D中选择四种特征风过程作为分类标准，划分的风速类型包括，A：风速上升阶段，B：风速下降阶段，C：平缓波动阶段，D：尖峰阶段。

7.如权利要求1所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，步骤D中所述时间窗口包括宽度固定的最优窗口和宽度可变的时间窗口。

8.如权利要求7所述的基于风速波动特征提取的风电功率组合预测方法，其特征在于，选择宽度可变的时间窗口的最优宽度的具体步骤如下：

步骤D1：在风速数据的起点开始，令时间窗口宽度i＝1,2,…n，其中包含前10个数据点：p1，p2，…p10；

步骤D2：在TWZt上进行多重分形谱分析，并提取得到特征参数[ω_t,△f(α)_t,S_t]，并且等于上的特征参数[ω_i,△f(α)_i,S_i]；

步骤D3：时间窗口继续滑动得到其中包含10个数据点：p11，p12，…P20，对其进行特征提取得到[ω_i+1,△f(α)_i+1,S_i+1]，按照步骤C所做的分析，考察△f(α)_i与△f(α)_i+1、S_i和S_i+1的正负；

步骤D31：若△f(α)_i与△f(α)_i+1、S_i与S_i+1的正负彼此都相同，则表明和的风速有相同的上升或下降趋势，进入步骤D32；若不同则进入步骤D4；

步骤D32：考察ω_i和ω_i+1，若其做差的结果△ω小于某一阈值η，则表明两个时间段波动程度也相当，此时更新时间窗并标明TWZt属于上升阶段还是下降阶段；阈值η是对所有训练数据进行多重分形谱分析得出的平均异指数取值区间△ω_All，令η＝△ω_All；

步骤D321：若△ω大于η，则依然令并提取特征参数，得到更新之后的特征参数[ω_t,△f(α)_t,S_t]，然后令i＝i+1，重复步骤D3；

步骤D4：若△f(α)_i与△f(α)_i+1、S_i与S_i+1的正负彼此不相同，则表明和的风速趋势不一样，此时有两种情况：一是和处于平缓波动阶段，二是风速上升和下降的临界时段；此时考虑下一个小时间窗口计算这三个小时间窗口的总体方差δ；

其中，n等于i+2，是第n个小时间窗的平均风速，是前n个小时间窗的风速总均值；

步骤D41：若δ小于设定值δ₀，则和处于平缓波动阶段，此时更新时间窗设定值δ₀是对所有训练数据进行计算得出的平均方差；

步骤D42：若δ≥设定值δ₀，则令TWZt+1和作为下一个时间窗口选取的起点，令重复步骤D2。