[发明专利]一种基于BP算法的风速预测方法

说明书

本发明涉及一种基于BP算法的风速预测方法，包括如下步骤：获取现有风速预测值数据；构建BP神经网络，取最近十天内的现有风速预测值数据作为数据集，将数据集的数据输入BP神经网络的输入层，得到第一组风速预测值；将第一组风速预测值中第一天的预测值添加到数据集中并一起输入BP神经网络的输入层，得到后一天的风速预测值，并重复迭代预测，得到第二组预测值；将第一组风速预测值中第一天的预测值替换数据集中第一天的数据，形成新的数据集，将新的数据集的数据输入BP神经网络的输入层，得到后一天的风速预测值，并不断循环更新数据集并预测，得到第三组预测值；分别对现有和上述三种预测值测评偏差，取效果最好的预测值作为最终风速预测值。

技术领域

本发明涉及一种基于BP算法的风速预测方法，属于风速预测技术领域。

背景技术

风速，是指空气相对于地球某一固定地点的运动速率，风速是气候学研究的主要参数之一，大气中风的测量对于全球气候变化研究、航天事业以及多领域应用都具有重要作用和意义。在当前全球变暖的背景下，传统化石燃料带来的二氧化碳和污染排放问题日趋严重，亟需寻找清洁的替代能源，风能是一种清洁的可再生能源，将风能作为驱动力的风力发电技术有望成为未来清洁能源体系中的重要组员。本发明主要是运用BP算法，得出观测值与预测值的某种关系，通过模型更准确的预测未来风速。

准确预测风速带来的影响：从风速与风能之间的关系来说，由于风的不可控性，其发电情况取决于风速的状况，具有一定的波动性和间歇性。风力发电由于其在调整能源结构,减轻环境污染,促进可持续发展等方面的突出作用,被认为是21世纪最重要的绿色能源之一。近几年,风电场的建设规模在不断扩大,而风速预测对风电场和电力系统的运行都具有重要意义。准确的风速预测可以提高风电在电力市场中的竞争力,有利于电力系统调度部门及时调整调度计划,减少风电并网的附加成本,从而提高风资源的价值。更重要的是，预测风速为风电场运行提供决策支持，其中最典型的应用场景是风电机组实时控制和含风电场电网的调度，其应用过程都是根据预测值进行相应的计算和处理得到需要的信息，然后根据这些信息进一步做出决策。因此，准确的预测风速情况为未来各方面的研究具有重要意义。

目前，对风速预测的方法主要集中在持续性算法，ARIMA模型算法等。

持续性算法是最简单的一种预测方法，即把最近一点的观测值作为下一点的预测值，该方法只适用于短时间的风速预测，现在一般都以持续法为基准，计算模型的精确度。时间序列分析是后来出现的一种处理动态数据的方法，就是根据风速的历史数据记录，建立一个ARIMA数学模型，一方面用它来描述风速的变化过程的统计规律性，另一方面在该模型的基础上再确定风速预测的数学表达式，对未来的风速进行预报。但目前模式的模拟结果与实际情况仍有出入，需要进一步完善。

发明内容

本发明为了解决现有技术中存在的问题，提供一种预测精度高的基于BP算法的风速预测方法。

为了达到上述目的，本发明提出的技术方案为：一种基于BP算法的风速预测方法，包括如下步骤：

步骤一、获取现有风速预测值数据；

步骤二、构建BP神经网络，所述BP神经网络包括输入层、隐藏层和输出层；

步骤三、取最近一段时间内的现有风速预测值数据作为数据集，将数据集的数据输入BP神经网络的输入层，得到第一组风速预测值；

步骤四、将第一组风速预测值中第一天的预测值添加到数据集中并一起输入BP神经网络的输入层，得到后一天的风速预测值，并重复迭代预测，得到第二组预测值；

步骤五、将第一组风速预测值中第一天的预测值替换数据集中第一天的数据，形成新的数据集，将新的数据集的数据输入BP神经网络的输入层，得到后一天的风速预测值，并不断循环更新数据集并预测，得到第三组预测值；