本發(fā)明是以非參數(shù)核密度估計(jì)理論和數(shù)值天氣預(yù)報(bào)理論為基礎(chǔ),通過構(gòu)建基于非參數(shù)核密度估計(jì)的風(fēng)速修正模型,在此基礎(chǔ)上結(jié)合數(shù)值天氣預(yù)報(bào)法(nwp)構(gòu)建風(fēng)速相位誤差修正模型,最后將此模型用于地區(qū)實(shí)際風(fēng)電場的短期風(fēng)速預(yù)報(bào)。
背景技術(shù):
當(dāng)前對(duì)于風(fēng)速預(yù)測方法的研究主要分為物理方法與統(tǒng)計(jì)方法兩大類。
物理方法主要考慮一些物理量,如天氣數(shù)據(jù)(風(fēng)速、風(fēng)向、氣壓等)、風(fēng)電場周圍的信息(等高線、粗糙度、障礙物等)以及風(fēng)電機(jī)組的技術(shù)參數(shù)(輪轂高、穿透系數(shù)等)。其目的是找到風(fēng)電機(jī)組輪轂高度處的風(fēng)速最優(yōu)估計(jì)值,然后使用模型輸出統(tǒng)計(jì)(modeloutputstatistic,mos)以減小預(yù)測誤差,最后根據(jù)風(fēng)電場的功率曲線計(jì)算得到風(fēng)電場的輸出功率。物理模型的建模過程相對(duì)復(fù)雜,需要對(duì)風(fēng)電場所在地進(jìn)行物理建模,包括風(fēng)場的地形、地表植被及粗糙度、周圍障礙物等等;還要對(duì)風(fēng)機(jī)本身的輪轂高度、功率曲線、機(jī)械傳動(dòng)和控制策略等進(jìn)行建模,以此來估計(jì)未來時(shí)刻的風(fēng)速。其優(yōu)點(diǎn)是是不需要大量的歷史數(shù)據(jù),只需要利用實(shí)時(shí)的數(shù)據(jù)建立預(yù)測模型進(jìn)行預(yù)測,新建立的風(fēng)電場一般選用物理方法進(jìn)行預(yù)測。
統(tǒng)計(jì)方法則在對(duì)歷史數(shù)據(jù)進(jìn)行概率學(xué)分析的基礎(chǔ)上,對(duì)未來一段時(shí)間內(nèi)氣象數(shù)據(jù)(風(fēng)速、風(fēng)向、氣壓等)進(jìn)行預(yù)測,從而轉(zhuǎn)換為風(fēng)電場輸出功率。國外采用的最簡單的統(tǒng)計(jì)模型是persistence模型,該風(fēng)電功率的預(yù)測模型的原理是假設(shè)下一時(shí)刻風(fēng)力機(jī)輸出功率等于上一時(shí)刻的風(fēng)力機(jī)輸出功率,隨著時(shí)間尺度的增加persistence風(fēng)電功率預(yù)測模型的預(yù)測精度快速下降,因此persistence風(fēng)電功率預(yù)測模型通常作為基準(zhǔn)的預(yù)測模型來其他預(yù)測模型的精度進(jìn)行比較。其他常用的統(tǒng)計(jì)模型還包括時(shí)間序列模型、人工神經(jīng)網(wǎng)絡(luò)(ann)及支持向量機(jī)(svm)等方法。然而,在上述統(tǒng)計(jì)預(yù)測方法中,風(fēng)速預(yù)測所產(chǎn)生的相位誤差依舊無法避免。
技術(shù)實(shí)現(xiàn)要素:
鑒于風(fēng)速預(yù)測精度以及神經(jīng)網(wǎng)絡(luò)存在的問題,本發(fā)明提出了一種基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)(numericalweatherprediction,nwp)的風(fēng)速預(yù)測修正方法。利用非參數(shù)核密度估計(jì)法對(duì)通過chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測得到的風(fēng)速初始預(yù)測結(jié)果誤差進(jìn)行估計(jì),并修正chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測方法所產(chǎn)生的誤差,該方法在誤差估計(jì)時(shí)并不添加任何的人為假設(shè)環(huán)節(jié),僅從數(shù)據(jù)本身出發(fā)尋找誤差規(guī)律,可以看作一種誤差自修正的過程;隨后,引入數(shù)值天氣預(yù)報(bào)對(duì)預(yù)測結(jié)果進(jìn)行精確修正,有效提高了風(fēng)速的預(yù)測精度。如何利用這種模型來降低初始風(fēng)速預(yù)測偏差問題是本發(fā)明要解決的關(guān)鍵問題。
為了解決上述技術(shù)是問題,本發(fā)明提出的一種基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法,包括以下步驟:
步驟一、設(shè)定數(shù)據(jù)集紀(jì)錄的均是以每小時(shí)為間隔的風(fēng)速數(shù)據(jù),針對(duì)風(fēng)電場的風(fēng)速歷史數(shù)據(jù)使用chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)r天每小時(shí)風(fēng)速進(jìn)行預(yù)測,得到24×r個(gè)風(fēng)速預(yù)測點(diǎn)的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值;
步驟二、設(shè)定s為離當(dāng)前最近的風(fēng)速預(yù)測天數(shù),利用離當(dāng)前最遠(yuǎn)的r-s天的每小時(shí)實(shí)際風(fēng)速值與由步驟一獲得的神經(jīng)網(wǎng)絡(luò)所預(yù)測的r天的每小時(shí)風(fēng)速之差,獲得風(fēng)速預(yù)測偏差值,得到由24×(r-s)個(gè)風(fēng)速偏差值構(gòu)成的風(fēng)速預(yù)測偏差序列;
步驟三、利用隨機(jī)游程檢驗(yàn)方法對(duì)步驟二獲得的風(fēng)速預(yù)測偏差序列進(jìn)行平穩(wěn)性檢驗(yàn),如為非平穩(wěn)序列,則循環(huán)執(zhí)行差分法來平穩(wěn)化序列,直至該序列通過平穩(wěn)性檢驗(yàn);
步驟四、使用n-w非參數(shù)核密度估計(jì)方法對(duì)
式(1)中,f(·)稱為核函數(shù);k為風(fēng)速預(yù)測偏差樣本的維度,bji為第i個(gè)樣本第j個(gè)風(fēng)速預(yù)測偏差變量的平滑系數(shù);核函數(shù)f(·)采用標(biāo)準(zhǔn)高斯核函數(shù),維數(shù)k利用最終預(yù)測誤差法確定,平滑系數(shù)bji通過交叉驗(yàn)證法確定;
利用步驟三中獲得的平穩(wěn)化之后的風(fēng)速預(yù)測偏差序列,建立估計(jì)樣本xk,i=[y1i,y2i,…yki]t,i=1,2…,n,利用最終預(yù)測誤差法確定非參數(shù)核密度估計(jì)樣本維數(shù)k,從而建立非參數(shù)核密度估計(jì)樣本,非參數(shù)核密度估計(jì)樣本的個(gè)數(shù)為n=24×(r-s)-(k-1);
步驟五、利用步驟四中得到的非參數(shù)核密度估計(jì)樣本,利用交叉驗(yàn)證法確定每個(gè)非參數(shù)核密度估計(jì)樣本xk,i=[y1i,y2i,…yki]t,i=1,2…,n的平滑系數(shù)bji的數(shù)值,并利用公式(1)對(duì)s天內(nèi)風(fēng)速預(yù)測偏差進(jìn)行修正,從而得到24×s個(gè)時(shí)刻的風(fēng)速預(yù)測偏差估計(jì)值
步驟六、結(jié)合風(fēng)電場的數(shù)值天氣預(yù)報(bào)判斷s天內(nèi)風(fēng)速突變拐點(diǎn)的位置,對(duì)于風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值取步驟一得到的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值,對(duì)于非風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值利用步驟五得到的風(fēng)速預(yù)測偏差估計(jì)值
本發(fā)明基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法中,s不大于10%的r。
與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:
通過實(shí)驗(yàn)表明,本發(fā)明中應(yīng)用基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測修正方法與應(yīng)用chebyshev神經(jīng)網(wǎng)絡(luò)、非參數(shù)核密度估計(jì)修正模型、nwp預(yù)測模型相比,對(duì)風(fēng)電場短期風(fēng)速預(yù)報(bào)其效果更好,降低了預(yù)測誤差。由分析可知,nwp的預(yù)測精度對(duì)風(fēng)速預(yù)測修正效果起著至關(guān)重要的作用,nwp對(duì)風(fēng)速突變拐點(diǎn)的錯(cuò)誤預(yù)測直接會(huì)導(dǎo)致綜合修正方法在某些預(yù)測點(diǎn)的失效,甚至導(dǎo)致預(yù)測誤差增大。
附圖說明
圖1是本發(fā)明中建立非參數(shù)核密度估計(jì)樣本的示意圖;
圖2為chebyshev神經(jīng)網(wǎng)絡(luò)和非參數(shù)核密度估計(jì)修正模型預(yù)測得到的風(fēng)速值與實(shí)際風(fēng)速值的對(duì)比圖;
圖3為風(fēng)速數(shù)值天氣預(yù)報(bào)值與實(shí)際風(fēng)速值的對(duì)比圖;
圖4為風(fēng)速數(shù)值天氣預(yù)報(bào)值與實(shí)際風(fēng)速值的風(fēng)速突變拐點(diǎn)對(duì)比圖;
圖5為chebyshev神經(jīng)網(wǎng)絡(luò)模型、非參數(shù)核密度估計(jì)誤差修正、非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)綜合修正的風(fēng)速值與實(shí)際風(fēng)速值的對(duì)比圖。
具體實(shí)施方式
下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明技術(shù)方案作進(jìn)一步詳細(xì)描述,所描述的具體實(shí)施例僅對(duì)本發(fā)明進(jìn)行解釋說明,并不用以限制本發(fā)明。
本發(fā)明提出的一種基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法的設(shè)計(jì)思路是,首先,使用chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)風(fēng)速進(jìn)行預(yù)測,然后通過非參數(shù)核密度估計(jì)方法對(duì)風(fēng)速初始預(yù)測結(jié)果的誤差進(jìn)行估計(jì),從而修正初始預(yù)測方法所產(chǎn)生的誤差;進(jìn)一步針對(duì)前述過程中風(fēng)速突變拐點(diǎn)處出現(xiàn)的“誤修正”問題,結(jié)合數(shù)值天氣預(yù)報(bào)法(nwp)建立了風(fēng)速相位誤差修正模型,以提前判斷風(fēng)速突變拐點(diǎn)的時(shí)刻,從而通過將非參數(shù)核密度估計(jì)和數(shù)值天氣預(yù)報(bào)結(jié)合起來引入到風(fēng)速預(yù)測領(lǐng)域,能夠有效降低神經(jīng)網(wǎng)絡(luò)初始風(fēng)速預(yù)測值的預(yù)測偏差,大大的提高了目標(biāo)風(fēng)電場對(duì)于風(fēng)速的預(yù)測精度。
本發(fā)明基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法的具體步驟如下:
步驟一、設(shè)定數(shù)據(jù)集紀(jì)錄的均是以每小時(shí)為間隔的風(fēng)速數(shù)據(jù),針對(duì)風(fēng)電場的風(fēng)速歷史數(shù)據(jù)使用chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)r天每小時(shí)風(fēng)速進(jìn)行預(yù)測,得到24×r個(gè)風(fēng)速預(yù)測點(diǎn)的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值。針對(duì)風(fēng)電場的2011年4月1日至7月18日間100天的實(shí)測風(fēng)速為測試數(shù)據(jù),首先使用2011年4月1日至5月11日共40天的風(fēng)速值建立風(fēng)速預(yù)測的chebyshev神經(jīng)網(wǎng)絡(luò)模型,選取r=60,使用建立的chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)5月12日至7月18共60天的每小時(shí)風(fēng)速進(jìn)行預(yù)測,得到24×r個(gè)風(fēng)速預(yù)測點(diǎn)的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值。
步驟二、設(shè)定s為離當(dāng)前最近的風(fēng)速預(yù)測天數(shù),且s不大于10%的r,這里取s=3,利用離當(dāng)前最遠(yuǎn)的r-s=57天的每小時(shí)實(shí)際風(fēng)速值與由步驟一獲得的神經(jīng)網(wǎng)絡(luò)所預(yù)測的r=60天的每小時(shí)風(fēng)速之差,獲得風(fēng)速預(yù)測偏差值,得到由24×(r-s)個(gè)風(fēng)速偏差值構(gòu)成的風(fēng)速預(yù)測偏差序列;
步驟三、利用隨機(jī)游程檢驗(yàn)方法對(duì)步驟二獲得的風(fēng)速預(yù)測偏差序列進(jìn)行平穩(wěn)性檢驗(yàn),如為非平穩(wěn)序列,則循環(huán)執(zhí)行差分法來平穩(wěn)化序列,直至該序列通過平穩(wěn)性檢驗(yàn);
步驟四、使用n-w非參數(shù)核密度估計(jì)方法對(duì)
其中,f(·)稱為核函數(shù);k為風(fēng)速預(yù)測偏差樣本的維度,bji為第i個(gè)樣本第j個(gè)風(fēng)速預(yù)測偏差變量的平滑系數(shù)。核函數(shù)f(·)采用標(biāo)準(zhǔn)高斯核函數(shù),維數(shù)k利用最終預(yù)測誤差法確定,平滑系數(shù)bji通過交叉驗(yàn)證法確定。
利用步驟三中獲得的平穩(wěn)化之后的風(fēng)速預(yù)測偏差序列建立估計(jì)樣本xk,i=[y1i,y2i,…yki]t,i=1,2…,n,利用最終預(yù)測誤差法確定非參數(shù)核密度估計(jì)樣本維數(shù)k=3,,從而建立非參數(shù)核密度估計(jì)樣本,建立方法如圖1所示,非參數(shù)核密度估計(jì)樣本的個(gè)數(shù)為n=24×(r-s)-(k-1);
步驟五、利用步驟四中得到的非參數(shù)核密度估計(jì)樣本,利用交叉驗(yàn)證法確定每個(gè)樣本xk,i=[y1i,y2i,…yki]t,i=1,2…,n的平滑系數(shù)bji的數(shù)值,從而利用公式(1)對(duì)7月16日至7月18日s=3天內(nèi)風(fēng)速預(yù)測偏差修正,從而得到24×s個(gè)時(shí)刻的風(fēng)速預(yù)測偏差估計(jì)值
步驟六、結(jié)合風(fēng)電場的數(shù)值天氣預(yù)報(bào)判斷7月16日至7月18日、s=3天內(nèi)風(fēng)速突變拐點(diǎn)的位置,對(duì)于風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值取步驟一得到的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值,對(duì)于非風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值利用步驟五得到的風(fēng)速預(yù)測偏差估計(jì)值
下面對(duì)上述算例得到的風(fēng)速偏差預(yù)測值按照誤差指標(biāo)公式進(jìn)行誤差分析。
在短期風(fēng)速預(yù)測中,基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測修正方法相比chebyshev神經(jīng)網(wǎng)絡(luò)、非參數(shù)核密度估計(jì)、數(shù)值天氣預(yù)測風(fēng)速方法而言,表現(xiàn)出了明顯好的預(yù)測效果。
評(píng)估預(yù)測效果,需要適當(dāng)?shù)脑u(píng)價(jià)指標(biāo)。常用的誤差評(píng)價(jià)指標(biāo)有平均絕對(duì)誤差、均方根誤差等。在風(fēng)速預(yù)測中,只使用一種誤差評(píng)價(jià)指標(biāo)無法全面地評(píng)估預(yù)測效果的優(yōu)劣。因此采用三種預(yù)測誤差指標(biāo):1)平均絕對(duì)誤差(meanabsoluteerror,mae);2)均方根誤差(rootmeansquareerror,rmse);3)平均絕對(duì)百分比誤差(meanabsolutepercentageerror,mape),來共同對(duì)預(yù)測效果進(jìn)行衡量。它們的計(jì)算公式如下:
其中,
由于實(shí)際中可能出現(xiàn)風(fēng)速為0或接近于0的情況,因此當(dāng)使用mape時(shí),即使很小的預(yù)測偏差也可能導(dǎo)致誤差指標(biāo)接近于無窮大;而在風(fēng)速較大時(shí),即使較大的預(yù)測偏差,誤差指標(biāo)也會(huì)很小,從而導(dǎo)致不能客觀反映預(yù)測精度。為克服mape的這一局限性,引入歷史最大風(fēng)速x′max,將mape中的實(shí)際風(fēng)速值x′k用x′max代替,并用mapem表示修正后的mape,此時(shí)mapem的表達(dá)式如下:
根據(jù)上述分析,應(yīng)用chebyshev神經(jīng)網(wǎng)絡(luò)、非參數(shù)核密度估計(jì)方法、非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)相結(jié)合方法(即本發(fā)明風(fēng)速預(yù)測修正方法),對(duì)7月16日至7月18日風(fēng)速進(jìn)行預(yù)測和修正,最終效果如圖5所示。根據(jù)公式(2)-(5)計(jì)算出修正前后風(fēng)速的預(yù)測誤差,結(jié)果如表1所示。
表1修正前后風(fēng)速預(yù)測誤差
通過圖5和表1可以看出,使用本發(fā)明提出的風(fēng)速預(yù)測方法可以在相當(dāng)一部分預(yù)測點(diǎn)對(duì)神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行修正,三類誤差指標(biāo)都有所改善。在此方法中,數(shù)值天氣預(yù)報(bào)起到了重要的作用,在最終的結(jié)果中,一部分風(fēng)速突變拐點(diǎn)由于數(shù)值天氣預(yù)報(bào)的不準(zhǔn)確沒有被判斷出來,導(dǎo)致不理想的修正被錯(cuò)誤采用;還有一部分非突變拐點(diǎn)被數(shù)值天氣預(yù)報(bào)誤判,導(dǎo)致理想修正沒有被利用,這些都影響了最終的修正效果。如何提高數(shù)值天氣預(yù)報(bào)的拐點(diǎn)預(yù)測能力,則是今后研究的重點(diǎn)。
盡管上面結(jié)合附圖對(duì)本發(fā)明進(jìn)行了描述,但是本發(fā)明并不局限于上述的具體實(shí)施方式,上述的具體實(shí)施方式僅僅是示意性的,而不是限制性的,本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下,在不脫離本發(fā)明宗旨的情況下,還可以做出很多變形,這些均屬于本發(fā)明的保護(hù)之內(nèi)。