[发明专利]一种基于Lorenz扰动的时间序列风速预测方法

说明书

本发明公开了一种基于Lorenz扰动的时间序列风速预测方法，属于风力发电领域。本发明充分考虑大气动力系统中的大气扰动对风速预测的影响，提出一种基于Lorenz扰动的小波分解时间序列风速预测方法，并用西班牙和中国两种不同气候类型下的风电场数据进行仿真实验探究不同初始值的Lorenz方程的扰动效果。实验结果证明，本发明的风速预测方法显著提高了风速的预测精度，能够有效地促进风电产业的发展。

技术领域

本发明涉及一种基于Lorenz扰动的时间序列风速预测方法，属于风力发电领域。

背景技术

为了很好的应对能源短缺和环境污染等一系列问题，全球范围内出现了可再生能源的研究热潮。可再生能源是清洁的低碳能源，风电是目前技术最成熟、基本实现商业化且最具发展潜力的新兴可再生能源技术。相比常规电源，风电具有不确定和间歇性，这使得风电输出表现出较强的波动性和随机性，因此大规模风电接入电力系统对其安全稳定运行带来前所未有的挑战，从而加大了电网实时调度的难度。准确的风速预测是解决以上问题的有效途径之一。

传统的风速预测方法按照建立的数学模型可以分为物理模型、统计模型、人工智能模型和组合模型。物理模型主要是建立数值天气预报系统；统计模型主要包括时间序列模型、灰色预测模型、卡尔曼滤波法等；人工智能模型包括神经网络模型、支持向量机模型、模糊逻辑等；组合模型是将以上单一预测方法组合起来。

然而，这些传统的预测算法忽略了风的波动性和随机性，因而不再适用于风的多变特性，也不能得到更为准确的风速预测结果。

发明内容

本发明所要解决的技术问题是提供一种基于Lorenz扰动的时间序列风速预测方法，针对现有的风速预测模型的缺陷，以提高风速的预测精度。

为解决上述技术问题，本发明所采取的技术方案是：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v(v_t-1-(n-1)t',v_t-1-(n-2)t',......,v_t-1)；

(2)将原始风速序列v(v_t-1-(n-1)t',v_t-1-(n-2)t',......,v_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Daubechies(db4)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，得到原始风速数据的扰动修正序列