[发明专利]一种分散距离整合的并行化的风电场输出功率预测方法

权利要求书

1.一种分散距离整合的并行化的风电场输出功率预测方法，其特征在于，包括风电场、数据采集服务器和计算服务器；

具体包括以下步骤：

步骤一、风电场和数据采集服务器建立通信连接，数据采集服务器采集风电场发电数据，数据采集服务器将每个小时采集的风电场数据作为一个标准数据组，在单位时间内共采集m个标准数据组，每个标准数据组中的数据信息的字段结构包括采集数据信息的时间点所处的月份H1、该时间点的所处的日期H2、该时间点的温度H3、该时间点的湿度H4、该时间点的风速H5、前一天的平均温度H6、前一天的平均湿度H7、前一天平均输出功率H8、前一天的平均风速H9、在该时间点前1小时输出功率H10、在该时间点前2小时输出功率H11、在该时间点前3小时输出功率H12、在该时间点前4小时输出功率H13、在该时间点前5小时输出功率H14、在该时间点前6小时输出功率H15和当前时间点风电场的输出功率D1；

步骤二、数据采集服务器获得一个包括1个管理节点和N个计算节点的集合，5≤N≤10；

步骤三、数据采集服务器利用聚类算法对标准数据组中的所有数据进行聚类，即将m个标准数据组分为N群G₁，G₂，G₃…G_N，获得任意两个群中心点A和B间的距离：

dis(A,B)＝0.2×dis1(A,B)+0.3×dis2(A,B)+0.5×dis3(A,B)

其中：

AHi为A的Hi字段的值，BHi为B的Hi字段的值；

步骤四、将G₁至G_N分别发送给计算节点1到N；每个计算节点将对应的分组存储到本计算服务器内部，即第i个计算服务器对应第i个分组G_i；

步骤五、每个计算服务器建立SVM回归分析模型，该模型的核函数采用RBF核函数；对于一个计算节点i，其分组数据G_i的字段H1至H15作为SVM的输入数据，D1作为SVM的回归预测数据，将所有数据输入给SVM进行训练，获得SVM回归分析模型；

步骤六、数据采集服务器获得一个待测数据组，该待测数据组中的数据信息的字段结构包括采集数据信息的时间点所处的月份H1、该时间点的所处的日期H2、该时间点的温度H3、该时间点的湿度H4、该时间点的风速H5、前一天的平均温度H6、前一天的平均湿度H7、前一天平均输出功率H8、前一天的平均风速H9、在该时间点前1小时输出功率H10、在该时间点前2小时输出功率H11、在该时间点前3小时输出功率H12、在该时间点前4小时输出功率H13、在该时间点前5小时输出功率H14和在该时间点前6小时输出功率H15；计算节点i计算待预测数据current与分组数据Gi的平均距离avgdis[i]，计算的公式如下：

其中e为自然对数、row[j]为Gi的第j条数据，M为Gi的数据条目数，将current输入给所述步骤五中的SVM回归分析模型，获得预测结果pre[i]，将avgdis[i]和pre[i]发送给管理节点；

步骤七、管理节点利用公式

得到中心点距离和dissum，利用公式

得到预测结果result；

所述步骤三中的聚类算法为k-means聚类法。