[发明专利]风速预测方法、终端设备及存储介质

权利要求书

1.一种风速预测方法，其特征在于，包括：

获取小时平均风速信号；

根据所述小时平均风速信号的能量，在频域对所述小时平均风速信号进行分解，得到四个分量信号；

根据预设的预测模型计算对应的所述分量信号的风速预测向量；

根据各个所述分量信号的风速预测向量，计算总风速预测向量。

2.如权利要求1所述的风速预测方法，其特征在于，所述根据所述小时平均风速信号的能量，在频域对所述小时平均风速信号进行分解，得到四个分量信号，包括：

计算所述小时平均风速信号对应的频谱；所述频谱为去除直流分量的频谱；

根据预设的能量阈值，将所述频谱划分为四部分，得到对应的四个频段；

根据预设的小波滤波器分别对所述四个频段的信号进行滤波，得到对应的四个分量信号。

3.如权利要求2所述的风速预测方法，其特征在于，所述根据预设的能量阈值，将所述频谱划分为四部分，包括：

对所述频谱进行初始划分，并计算经初始划分所得的各个频段的能量；

当经初始划分所得的各个频段的能量不满足预设的能量阈值时，对所述频谱进行重新划分，直至经重新划分所得的各个频段的能量满足预设的能量阈值；

通过

计算所述频谱或由所述频谱划分的各个频段的能量；

其中，E为所述频谱或由所述频谱划分的任一频段的能量；为所述频谱或由所述频谱划分的任一频段；[ω₁,ω₂]为所述频谱或由所述频谱划分的任一频段的频率范围。

4.如权利要求1所述的风速预测方法，其特征在于，在所述根据预设的预测模型计算对应的所述分量信号的风速预测向量之前，所述风速预测方法还包括：

分别获取与所述分量信号对应的预测模型；所述预测模型与所述分量信号一一对应；

通过相空间重构和核极限学习机构建所述预测模型；

其中，对于给定分量信号{y(i)}＝y(1),y(2),…,y(N)，通过相空间重构得到

其中，m为维数，τ为延迟时间，M＝N-mτ+1；

得到训练样本(x_i,y(i+mτ))，i＝1,2,…,M-1。通过核极限学习机得到

其中，y＝[y₁,y₂,…,y_M-1]为预测目标值向量；K(x_i,x_j)是核函数，K(x_i,x_j)＝exp(-γ||x_i,x_j||²)，γ是核参数；I表示对角矩阵；C是正则化参数；Ω_ELM是核矩阵，Ω_ELM(i,j)＝K(x_i,x_j)；y(x)是输出。

KELM预测模型确定后，将x_M输入到模型中即可得到y(N+1)，实现单步预测。

5.如权利要求4所述的风速预测方法，其特征在于，在所述分别获取与所述分量信号对应的预测模型之后，以及在所述根据预设的预测模型计算对应的所述分量信号的风速预测向量之前，所述风速预测方法还包括：

根据鸟群算法对所述预测模型中的参数进行优化；

相应的，所述根据预设的预测模型计算对应的所述分量信号的风速预测向量，为：

根据优化后的预测模型计算对应的所述分量信号的风速预测向量。

6.如权利要求1至5中任一项所述的风速预测方法，其特征在于，在所述计算总风速预测向量之后，所述风速预测方法还包括：

对所述总风速预测向量进行误差分析。

7.如权利要求6所述的风速预测方法，其特征在于，所述对所述总风速预测向量进行误差分析，包括：

获取与所述总风速预测向量对应的实际风速向量；

根据所述总风速预测向量和所述实际风速向量，计算对应的平均绝对误差、均方根误差、平均相对误差。