[发明专利]一种基于MATLAB的风电场短期风速预测系统无效
申请号: | 201110044589.1 | 申请日: | 2011-02-21 |
公开(公告)号: | CN102129511A | 公开(公告)日: | 2011-07-20 |
发明(设计)人: | 罗文;王莉娜 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京科迪生专利代理有限责任公司 11251 | 代理人: | 成金玉 |
地址: | 100190*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于MATLAB的风电场短期风速预测系统,包括数据处理单元、参数寻优单元和数据预测单元。数据处理单元基于小波分解,对输入系统的风速数据进行多层分解,得到原始数据的近似系数和细节系数,分别供系统后续单元进行分析处理;参数寻优单元,负责对数据处理单元处理后的数据进行分析判定,从而得到系统中可变参数的全局最优解,供系统使用;数据预测单元,在参数设置完成的基础下,对进入预测单元的数据进行预测,计算得到数据组未来时刻的数据值。本发明能够完成对风速数据的短期预测,在提高风速数据短期预测精度的同时给出了系统中的可调参数,从而增强了对不同风场风速数据的普遍适应性。 | ||
搜索关键词: | 一种 基于 matlab 电场 短期 风速 预测 系统 | ||
【主权项】:
1.一种基于MATLAB的风电场短期风速预测系统,其特征在于包括:数据处理单元、参数寻优单元和数据预测单元,其中:所述数据处理单元对输入原始数据进行处理,运用MATLAB中的小波工具箱对一段时间序列{X(t),t=1,2,3,……,n}的原始风速数据进行小波分解,分解级数为J,得到近似系数和细节系数,对J层细节系数进行软阀值降噪后再对分解后的各系数分别进行小波重构,得到X(t)=AJ(t)+D1(t)+D2(t)+……+DJ(t),其中AJ(t)为近似系数序列,DJ(t)为细节系数序列,J的取值范围为3-5,选择J1=3、J2=4、J3=5将数据分解后分别输入到参数寻优单元;所述参数寻优单元对数据处理单元输出的数据进行分析判定,得出适合输入数据的系统可变参数;所述系统的可变参数包括:小波分解层数J、数据预测单元输入数据维数n、支持向量机惩罚参数c和核函数参数g,小波分解层数J即为X(t)=AJ(t)+D1(t)+D2(t)+……+DJ(t)中的J,J取值范围3-5;数据预测单元的数据是以矩阵的形式输入,数据预测单元输入数据维数n代表的是输入矩阵的列数,参数寻优单元完成将时间序列AJ(t)和D1(t)、D2(t)、……、DJ(t)转换为数据预测单元的输入矩阵;以N表示每天的风速数据的个数,n在(1/6)N、(1/3)N、(1/2)N中进行选取;支持向量机惩罚参数c和核函数参数g,在参数寻优单元中通过遗传算法进行全局寻优,每组输入数据对应一组c和g;这样数据通过参数寻优单元时,(1)参数寻优单元基于MATLAB中的遗传算法工具箱自动求出输入数据所对应的参数c和g;(2)参数寻优单元在参数J1、J2、J3下,按照n1=(1/6)N、n2=(1/3)N、n3=(1/2)N分别将AJ(t)和D1(t)、D2(t)、……、DJ(t)转换为数据预测单元的输入矩阵,同时得到J和n的9个参数组合:J1n1、J2n1、J3n1、J1n2、J2n2、J3n2、J1n3、J2n3、J3n3和9组不同的数据预测单元的输入矩阵;(3)将得到的参数c、g和9组J与n的参数组合与输入矩阵输入到数据预测单元,并引入均方误差
N为预测样本数,y(i)为真实值,y*(i)为拟合值,以数据小波分解后的近似系数的拟合均方误差较低为标准,在数据预测单元中通过数据拟合选出适合输入数据的参数Ji和nj,最终确定可调系数c、g、J和n后,送入数据预测单元进行预则;所述数据预测单元,使用MATLAB中的支持向量机工具箱,基于支持向量机算法,包括数据训练、数据拟合测试和数据预测,完成对未来数据的预测;在参数寻优单元输出参数c、g和对应不同参数J和n组合的9组输入矩阵后,数据预测单元首先将9组输入矩阵分别进行训练集和测试集的划分;训练集和测试集均为数据预测单元中按照系统算法划分的数据组,数据量控制在10∶1,均包含输入和输出数据;本系统中设定的数据集输入输出算法为:{X1(t)、X2(t)、X3(t)、……、Xn(t)}为输入,{Xn+1(t)}为输出,设数据预测单元的输入矩阵的维数为M*N,则划分:训练集输入为m1*N的矩阵,训练集输出为m1*1的矩阵;测试集输入为m2*N的矩阵,测试集输出为m2*1的矩阵,其中m1+m2=M、m1/m2=10,m1和m2分别代表着训练集和测试集矩阵的行数;划分训练集和测试集后,利用支持向量机模块中的训练函数对数据进行训练学习,即将训练集的输入和输出均输入到训练函数中,让向量机对此数据进行学习;训练学习时需要输入设定的参数,包括参数c和g、支持向量机类型、向量机核函数类型,训练学习后得到了对应该数据的支持向量机模型;训练学习后进入模型训练集和测试集的拟合测试;训练集拟合测试,即将事先划分好的训练集输入矩阵输入到已训练学习完毕的支持向量机模型中,得到模型的输出,比较此输出和之前划分的训练集输出之间的关系,以均方误差为判断标准;测试集拟合同训练集拟合,为验证已建立模型对不同数据的计算效果;在输入数据预测单元的9组数据中,因为数据处理单元中进行的小波变换,所以每组数据中均包含了1组近似系数数据和J组细节系数数据,拟合时在输入数据预测单元的9组参数J和n及其它们对应的数据中选出使近似系数拟合均方误差最小的参数J和n的组合以及它们对应数据,然后进行数据预测;数据预测时,将预测时刻之前的数据全部输入,在数据处理单元将原始数据进行了J层分解,即分解为1个近似系数序列和J个细节系数序列,则在预测时有J+1个预测结果序列,按照公式
将预测结果叠加即为系统最终的预测值,公式中a*J代表近似系数序列的预测值,d*i代表细节系数序列的预测值,x(t)表示系统最终的预测结果,其中i=1、2、3……J。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201110044589.1/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用