[发明专利]一种风速预测方法及相关装置

说明书

本发明公开了一种风速预测方法，利用奇异谱分析算法对历史风速数据进行分解和重构，并对重构结果进行噪声过滤，最终得到新序列，再利用纵横交叉算法优化的BP模型对每个新序列进行预测，得到预测结果。由于奇异谱分析算法可以对原始序列进行分解，并对分解的结果进行预测后叠加，可以实现得到实际预测结果的同时，避免原始序列的高度非线性导致的对预测结果的影响；同时，对分解后的子序列进行重构并过滤噪声，可以在重构结果中过滤掉无用的信息，使预测结果更准确，提高预测的精度。本申请还提供了一种风速预测系统、装置、计算机可读存储介质，同样可以实现上述技术效果。

技术领域

本发明涉及风速预测领域，更具体地说，涉及一种风速预测方法、系统、装置及计算机可读存储介质。

背景技术

近年来，随着风能的快速发展与利用，风电装机容量急剧上升，全球风电行业也随之蓬勃发展。然而，由于风力发电的间歇性与随机性，将风力发电与传统电网系统相结合面临诸多挑战，为了减轻风能接入电力系统造成的问题，准确进行动态风速预测变得越来越重要。

短期风速预测时获取准确风速信息的重要途径，有助于经济负荷调度规划和风力发电量增减量的决策。

由于风速具有很大的波动性，而且风速收据还会受到很多干扰因素的影响，因此现有的风速预测模型对风速进行预测的结果都不够准确。

因此，如何提高风速预测的准确性，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种风速预测方法、系统、装置及计算机可读存储介质，以提高风速预测的准确性。

为实现上述目的，本发明实施例提供了如下技术方案：

一种风速预测方法，包括：

获取历史风速数据作为原始序列；

利用奇异谱分析算法对所述原始序列进行分解，得到多个子序列；

对所有所述子序列进行重构得到重构结果；其中，所述重构结果包括趋势、震荡和噪声；

将所述重构结果中的噪声进行过滤得到新序列；

利用纵横交叉算法优化的BP模型对每个所述新序列进行预测，得到子预测结果，并将所有子预测结果进行叠加得到最终预测结果。

其中，所述对所有所述子序列进行重构得到重构结果，包括：

对每个所述子序列中的元素按照奇异谱分析展开得到时间主成分；

利用预设个数的时间正交函数和所述时间主成分进行重构得到重构结果。

其中，所述将所述重构结果中的噪声进行过滤得到新序列，包括：

计算每个所述重构结果的奇异值；

按照所述奇异值从大到小确定预设个数的目标重构结果；

将所述目标重构结果相加，得到新序列。

其中，所述利用纵横交叉算法优化的BP模型对每个所述新序列进行预测，得到子预测结果，包括：

利用纵横交叉算法确定目标权值和目标阈值；

利用所述目标权值和所述目标阈值共同确定的BP神经网络模型对每个所述新序列进行预测，得到子预测结果。

其中，所述利用纵横价差算法确定目标权值和目标阈值，包括：

S301，确定预设种群与所述预设种群中的目标粒子；

S302，设置目标神经网络和目标适应性值；