[发明专利]一种基于区间二型T-S模糊模型的短期风速预测方法与系统

说明书

本发明公开一种基于区间二型T‑S模糊模型的短期风速预测方法与系统。方法中对历史实际风速观测数据进行变分模态分解VMD为K个模态，对每个模态进行属性选择和归一化处理，建立预测模糊模型；利用区间二型模糊C回归聚类IT2‑FCR对模型进行结构划分，并以实际观测风速数据与模糊模型预测结果的加权均方根误差为目标函数利用引力搜索算法GSA进行模型前件参数优化；利用最小二乘法对模型参数进行辨识。从而得到以历史实际观测数据为输入的短期风速预测区间二型T‑S模糊模型。本发明采用一种新型的二型超平面隶属函数，可以提高风速模糊预测模型的辨识精度，能得到更精确的辨识参数，使得对应的风速预测结果与实际观测风速吻合更好。

技术领域

本发明属于风速短期预测技术领域，更具体地，涉及一种基于区间二型T-S模糊模型的短期风速预测方法与系统。

背景技术

传统的化石能源日益枯竭、全球变暖等问题使得新型清洁能源的利用日益迫切。风电作为一种蕴量巨大、转换快速且无公害的能源系统，中国新能源战略开始把大力发展风力发电设为重点。按照国家规划，未来15年，全国风力发电装机容量将达到2000万至3000万千瓦。风电能源的不稳定性和不可控性给电能稳定利用带来严峻挑战。有效的风速预测机制能为风电场检修计划以及电力系统调度计划提供可靠依据，保证电力系统安全稳定运行。另一方面准确的风速预测能提高风电场的能源利用效率、减轻并网运行时对电网的不利影响、降低风电场运行成本。因此，对风速的精确预测显得尤为重要。

发明内容

本发明的目的是针对风能的不稳定性导致对电能利用效率的不良影响，设计了一种基于区间二型T-S模糊模型的短期风速预测方法与系统，结合GSA优化算法能有效提高T-S模糊预测模型的辨识精度，减小风速预测的预测误差。

为了实现上述目的，本发明提供了一种基于区间二型T-S模糊模型的短期风速预测方法，如图2所示，包括：

步骤1、风速观测时间序列数据data预处理，建立T-S模糊预测模型的输入输出矩阵(input,output)：

步骤1.1、利用变分模态分解VMD将风速观测时间序列数据data分解为K个本征模态函数IMF，对每个IMF都独立执行下列步骤；

步骤1.2、取IMF前L间隔数据分量划分候选输入属性矩阵In，其中Output为风速实际观测数据矩阵，LL为风速观测时间序列长度，利用克莱姆-施密特正交化方法GSO进行候选输入属性对实际观测值的相关性排序，从中挑选前M(M≤L)个属性，建立风速预测T-S模糊模型的数据对(Input,Output)；

步骤1.3、将数据对(Input,Output)进行数据归一化处理，归一化到区间[-1,1]内，得到归一化后的数据对(input,output)；

步骤2、建立区间二型T-S模糊模型，T-S模糊模型是由一组“IF-THEN”模糊规则来描述的非线性系统，每一个规则代表一个子系统，整个模糊系统即为各个子系统的线性组合。所述IF-THEN模糊规则如下：

规则i: