[发明专利]基于支持向量机的超短期风电功率组合预测方法

权利要求书

1.基于支持向量机的超短期风电功率组合预测方法，其特征在于，具体操作过程包括如下步骤：

步骤1，数据预处理

对待处理的风电功率历史数据根据相邻时间段的数据进行线性插值替换；

步骤2，将预处理后的数据进行归一化；

步骤3，利用经验模态分解将经步骤2处理过的风电功率数据分解成本征函数序列和残差序列；

步骤4，对分解得到的本征函数序列和残差序列分别建立量子粒子群-支持向量机模型进行训练优化，得到每个序列的预测值；

步骤5，将每个序列的预测值叠加得到最终的风电功率预测值。

2.如权利要求1所述的基于支持向量机的超短期风电功率组合预测方法，其特征在于，所述步骤1中数据预处理过程中，对于缺损的数据间隔时间比较长，则使用相同时间段、类似气象条件及相邻几天的数据来取代；对于错误数据根据前/后5min的数据加权平均进行补充。

3.如权利要求1所述的基于支持向量机的超短期风电功率组合预测方法，其特征在于，所述步骤2中数据归一化的过程如下：

采用公式(1)进行归一化处理：

其中，x表示原始数据，x_max和x_min分别表示原始数据中的最大值与最小值，归一化的范围为[0 1]。

4.如权利要求1所述的基于支持向量机的超短期风电功率组合预测方法，其特征在于，所述步骤3的具体过程如下：

步骤3.1，找出原始风电功率序列X(t)中的所有极大值点，然后用三次样条函数对极大值点进行处理，最终连接成曲线形成原始风电功率序列X(t)的上下包络线；

步骤3.2，对原始风电功率序列X(t)的上下包络线求均值，如式(7)所示：

式中，e₊(t)表示上包络线，e-(t)表示下包络线，m₁(t)表示上下包络线均值；

将平均值与原始风电功率序列做差，得到风电功率数据h₁(t)，若h₁(t)满足本征模函数定义，即函数在整个时间范围内，局部极值点和过零点的数目必须相等或最多相差一个，则记为第一个本征模函数，否则将h₁(t)反复进行K次迭代筛选，直到满足本征模函数的定义要求为止，即h_1k(t)成为了第一个IMF，记C₁(t)＝h_1k(t)；

步骤3.3，在X(t)中将C₁(t)分离出来，得到一个差值信号r₁(t)，把差值信号r₁(t)作为新的原始信号，重复步骤3.1-步骤3.2，就会得到下一个本征模函数，记为C₂(t)，反复进行n次，就得到了n个本征模函数，如式(8)所示：

式中，{r₁(t)、r₂(t)…r_n(t)}表示差值信号，{C₁(t)、C₂(t)...C_n(t)}表示本征模函数；

当r_n(t)或者C_n(t)满足以下条件时分解过程结束：

其中S_d取值在0.2～0.3之间；

综上所述，非平稳时间序列被分解成n个IMF和一个残差，如式(10)所示：