[发明专利]基于非参数核密度估计与数值天气预报的风速预测方法

摘要

本发明公开了一种基于非参数核密度估计与数值天气预报的风速预测方法，首先，使用Chebyshev神经网络模型对风速进行预测，然后通过非参数核密度估计方法对风速初始预测结果的误差进行估计，从而修正初始预测方法所产生的误差；进一步针对前述过程中风速突变拐点处出现的“误修正”问题，结合数值天气预报法(NWP)建立了风速相位误差修正模型，以提前判断风速突变拐点的时刻，从而通过将非参数核密度估计和数值天气预报结合起来引入到风速预测领域，能够有效降低神经网络初始风速预测值的预测偏差，大大的提高了目标风电场对于风速的预测精度。

主权项

一种基于非参数核密度估计与数值天气预报的风速预测方法，包括以下步骤：步骤一、设定数据集纪录的均是以每小时为间隔的风速数据，针对风电场的风速历史数据使用Chebyshev神经网络模型对r天每小时风速进行预测，得到24×r个风速预测点的Chebyshev神经网络预测值；步骤二、设定s为离当前最近的风速预测天数，利用离当前最远的r‐s天的每小时实际风速值与由步骤一获得的神经网络所预测的r天的每小时风速之差，获得风速预测偏差值，得到由24×(r‐s)个风速偏差值构成的风速预测偏差序列；步骤三、利用随机游程检验方法对步骤二获得的风速预测偏差序列进行平稳性检验，如为非平稳序列，则循环执行差分法来平稳化序列，直至该序列通过平稳性检验；步骤四、使用N‐W非参数核密度估计方法对进行估计，非参数核密度表达式如下：m^N-W(x)=E(xk)=∫xkf(xk|[x1,x2,...,xk-1])dxk=∫xkf(xk)dxk∫f(xk)dxk=Σi=1n{xkexp(-Σj=1k-1(xj-yji)22bji2)}Σi=1n{exp(-Σj=1k-1(xj-yji)2bji2)}---(1)]]>式(1)中，f(·)称为核函数；k为风速预测偏差样本的维度，bji为第i个样本第j个风速预测偏差变量的平滑系数；核函数f(·)采用标准高斯核函数，维数k利用最终预测误差法确定，平滑系数bji通过交叉验证法确定；利用步骤三中获得的平稳化之后的风速预测偏差序列，建立估计样本Xk,i＝[y1i,y2i,…yki]T,i＝1,2…,n，利用最终预测误差法确定非参数核密度估计样本维数k，从而建立非参数核密度估计样本，非参数核密度估计样本的个数为n＝24×(r‐s)‐(k‐1)；步骤五、利用步骤四中得到的非参数核密度估计样本，利用交叉验证法确定每个非参数核密度估计样本i的平滑系数bji的数值，并利用公式(1)对s天内风速预测偏差进行修正，从而得到24×s个时刻的风速预测偏差估计值步骤六、结合风电场的数值天气预报判断s天内风速突变拐点的位置，对于风速突变拐点的风速预测值取步骤一得到的Chebyshev神经网络预测值，对于非风速突变拐点的风速预测值利用步骤五得到的风速预测偏差估计值进行风速预测值修正。