[发明专利]一种基于自激励门限自回归模型的风速预测方法

摘要

本发明提供了一种基于自激励门限自回归模型的风速预测方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，本发明通过SETAR模型将原始的非线性风速序列，通过门限值r和滞后阶数d分为多个序列，并对每段序列建立AR模型，这种模型实际就是l个AR模型，或者说是由门限r控制的l个分段AR模型。最后根据预测结果判断得出最优预测值。本发明充分挖掘风速序列的非线性特性，在此基础上，建立适当的回归模型。实验结果表明，本方法要优于单纯传统ARMA模型和BP模型的预测方法，并且具有更高的预测精度。

主权项

一种基于自激励门限自回归模型的风速预测方法，通过对历史风速数据序列x(t)建立基于体制个数l、滞后参数d和门限参数r的SETAR模型，进而预测下一时刻的风速预测值x(t+1)；其特征在于：其步骤为：以时间序列t为基准获取待测风电场的历史风速数据进行预处理形成历史风速数据序列x(t)，然后以x(t‑d)为横坐标轴，在横坐标轴上将0～x(t‑d)均匀分成s段，对数据对[x(t’),x(t’‑d)]中x(t’‑d)值落入第i段内的Ni个值所对应的x(t’)所求均值E[x(t)/x(t‑d)]i为纵坐标轴；以坐标形成点值图，对点值图建立分段线性回归模型；根据分段线性回归模型的段数确定体制个数l，在分段线性的转折点处确定各门限值r的局部搜索范围；根据AIC准则，运用多层寻优法确定具体门限参数r、滞后参数d、各个自回归模型阶数；将历史风速数据x(t)划分为体制个数l个子序列，对每个子序列分别建立SETAR模型，并预测下一时刻的风速预测值x(t+1)。