先进制造技术

本发明公开一种基于风速特性的短期风速预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行奇异值分解，获取去噪序列和噪声余项；获取对所述去噪序列进行变分模态分解的最优模态数；对所述去噪序列进行变分模态分解，获取各分量序列；利用改进的平均影响值法获取所述环境因素中与输出风速高相关的信息，并结合所述分量序列或余项建立长短期记忆网络模型；通过改进的极值优化法优化网络模型，获取预测模型；通过所述预测模型对所述各分量序列和所述噪声序列进行预测，获取各分量和余项预测结果；累加各分量和余项预测结果，获取风速预测结果；本发明的风速预测方法或系统显著提高了预测模型可靠性，可获得高精度预测结果。

本发明的风速预测方法及系统为基于风速特性的短期风速预测过程。首先，采用新的混合模态分解方法，将非平稳的时间序列分解为若干相对平稳的模态分量以及余项序列，从非平稳的原始风速序列中将噪声信息分离出来，并利用模态数优化的变分模态分解方法分解去噪序列得到若干周期特征明显的分量。同时，引入影响风速的环境因素参与预测，并提出改进的平均影响值法筛选参与模型输入的变量，降低了模型复杂度的同时提高了预测精度。最后，本发明选择可以长时间记忆有效信息的长短期记忆网络作为预测模型，利用改进的极值优化算法优化长短期记忆网络的参数，加快了模型训练速度，提高了预测精度。并利用该模型预测分量序列和余项序列，累加预测结果，得到最终的预测风速。本发明考虑风速波动性和不确定性，有效提高了长短期记忆网络模型短期风速预测精度的同时提高预测模型的可靠性。

现阶段，全球风能资源丰富，风力发电成本大幅度下降，风力发电得到了快速发展。全球风能理事会(GWEC)《2018全球风电发展报告》指出，2018年全球风能产业新增装机容量为51.3GW，总装机容量为519GW，其中中国装机容量位居世界首位。大规模风电接入电力系统加剧了电网实时调度的难度，对电网的安全和稳定带来挑战。风电功率的预测是解决上述问题的主要途径之一，因此，世界各国十分重视风电功率的预测研究。又因为准确的风速预测有利于解决风电输出功率控制、电网安全经济调度等问题，因此，风速预测具有十分重要的研究意义和价值。