[发明专利]一种短期风速预测方法

权利要求书

1.一种短期风速预测方法，其特征在于，包括以下步骤：

步骤一、采集风场历史实测风速数据，建立多组原始风速时间序列；

步骤二、利用改进的变分模态分解将原始风速时间序列分解为多个分量；

步骤三、采用双向长短期记忆神经网络组件对分量进行预测，得到预测结果；

步骤四、对所有分量的预测结果进行叠加，进而得到最终的风速预测结果。

2.如权利要求1所述的一种短期风速预测方法，其特征在于，所述的步骤一中，对风速数据的描述性数据进行统计，根据统计结果分别将各组所述原始风速时间序列分为训练样本和测试样本。

3.如权利要求1所述的一种短期风速预测方法，其特征在于，所述的步骤二中，利用改进的变分模态分解对原始风速时间序列进行分解，改进的变分模态分解的算法如下：

①对于每种模式，通过希尔伯特变换计算相关的分析信号以获得单边频谱；

②对于每种模式，通过与调整到相应估计中心频率的指数混合，将模式的频谱移动到基带；

③通过解调信号的高斯平滑度估计带宽，受约束的变分模态分解问题如下：

其中，f(t)表示原始输入信号，u_k是其模式，w_k是频率，δ(t)是狄拉克分布，t是时间脚本，k是模式数，*表示卷积；

引入二次惩罚因子和拉格朗日乘子求解上述约束优化问题，则原优化问题的增广拉格朗日函数可以描述为：

式中：α为平衡参数；λ为拉格朗日乘子；

采用交替乘子方向法解决变分模态分解的问题，通过交替更新以及λⁿ⁺¹寻求扩展拉格朗日表达式的鞍点；

u_k、w_k和λ分别由以下公式进行更新：

其中，w是频率，分别是f(w)、λ(w)的傅里叶变换，τ为迭代系数；

对于给定的判别精度e＞0，有如下判别公式，若：

则停止迭代，再次重复上述操作，获得一系列变分模态分量。