[发明专利]一种基于Lorenz扰动的时间序列风速预测方法

权利要求书

1.一种基于Lorenz扰动的时间序列风速预测方法，其特征在于，所述方法包括以下步骤：

(1)在某风电场每隔一段时长t'采集1组原始风速数据，在时间t-1时刻采集到n组风速数据作为原始风速序列ν(ν_t-1-(n-1)t',ν_t-1-(n-2)t',......,ν_t-1)；

(2)将原始风速序列ν(ν_t-1-(n-1)t',ν_t-1-(n-2)t',......,ν_t-1)分别利用MATLAB软件中的Trend和Detrend命令分为风速趋势序列T和去趋势序列D；

(3)对风速趋势序列T进行处理形成线性序列；对风速去趋势序列D先进行4阶的Daubechies小波分解，分解为低频段L3，高频段H3、H2、H1，再分别对L3、H3、H2、H1建立ARMA风速序列；

(4)将风速趋势序列T的线性预测序列和风速去趋势序列DARMA模型的风速预测序列整合起来得到原始风速数据的初步预测序列y(t)；

(5)给定Lorenz方程的初始值和参数值，求解Lorenz方程，得到Lorenz方程的三维扰动序列，对扰动序列进行数据标准化处理，得到无量纲和无数量级的标准化扰动数据；

(6)计算标准化扰动数据与初始状态(0,0,0)的曼哈顿距离，得到Lorenz综合扰动流；

(7)利用Lorenz综合扰动流对风速的初步预测序列y(t-1)进行扰动修正，并以实现风速实际值和预测值之间的平均绝对误差最小为目标得到扰动修正的最优扰动强度和最优扰动系数；

(8)利用Lorenz综合扰动流得到的最优扰动强度和最优扰动系数对风速的初步预测序列进行扰动修正，得到风速的最终预测序列

(9)根据步骤(4)的原始风速数据的初步预测序列y(t)以及步骤( 8) 的最优扰动强度和最优扰动系数得到风速的最终预测序列根据风速的最终预测序列可以得出t+1时刻的风速数据预测序列

所述Lorenz方程如下：

式中x,y,z是状态变量，分别表示对流运动的强度、对流运动流体的水平方向温差和垂直温差对无对流时的偏离程度；σ,r,b都是无量纲的正实数，分别表示普朗特数、瑞利数和与气候区域大小相关的量，h＝(x₀,y₀,z₀)表示Lorenz方程的初始值；对于经典的Lorenz系统的参数值σ＝10,r＝35，给定初值h＝(0.011,0,1)和h＝(0.012,0,1)，我们会得到两组不同的数值解，进而得到两组不同的Lorenz吸引子；由于Lorenz方程的数值解是一组三维的扰动序列，因而先对方程的解进行标准化处理得到无数量级和量纲的标准化扰动序列具体标准化处理公式为：

式中x_n,y_n,z_n表示Lorenz方程的数值解，x_min,y_min,z_min和x_max,y_max,z_max分别表示x,y,z的最小值和最大值；

所述曼哈顿距离定义为：

其中，C_n表示C₀表示C₀(x₀,y₀,z₀)＝C₀(0,0,0)。

2.根据权利要求1所述的一种基于Lorenz扰动的时间序列风速预测方法，其特征在于，对于t+k时刻的风速数据预测方法为根据步骤( 9) 的t时刻的风速预测序列计算得出t+k时刻的风速预测序列其中k＞0。

3.根据权利要求1所述的一种基于Lorenz扰动的时间序列风速预测方法，其特征在于，对于t+k时刻的风速数据预测方法为将步骤( 9) 的t时刻的风速数据预测值作为每隔一段时长t'采集1组原始风速数据所组成的原始风速序列中的一个最近时刻的采集数据，然后重复步骤(2)-(9)的操作得出t+1时刻的风速数据预测值；然后将t+1时刻的风速数据预测值重复对t时刻的风速数据预测值的操作；以此循环直到得到t+k时刻的风速数据预测值，其中k＞0。