【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于電數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域，具體涉及一種基于分解算法和樣本熵的短臨風(fēng)速外推方法。
技術(shù)介紹
1、現(xiàn)代數(shù)值預(yù)測(cè)模式是應(yīng)對(duì)氣象災(zāi)害識(shí)別、監(jiān)測(cè)和預(yù)警的最重要的手段，雖然模式的分辨率已得到較大提高，但在突發(fā)性天氣過程下的預(yù)測(cè)能力（時(shí)空精細(xì)度和精準(zhǔn)度）仍然不足、誤差大，無法準(zhǔn)確刻畫出風(fēng)的時(shí)空變化特征；而能源或工程領(lǐng)域的用戶對(duì)風(fēng)速的精度要求又很高。
2、時(shí)間序列分析的主要目的是根據(jù)已有的歷史數(shù)據(jù)對(duì)未來進(jìn)行預(yù)測(cè)。其中常用的模型有移動(dòng)平均模型（ma）、自回歸模型（ar）、移動(dòng)平均自回歸模型（arma）、季節(jié)性自回歸移動(dòng)平均模型（sarima）和隨機(jī)游走模型（rw）等。隨著人工智能的發(fā)展，機(jī)器學(xué)習(xí)(dt/svm/lstm)和深度學(xué)習(xí)方法也慢慢的應(yīng)該用到了時(shí)間序列外推當(dāng)中。而集成算法的提出，研發(fā)了準(zhǔn)確性更高的機(jī)器學(xué)習(xí)模型，為時(shí)間序列外推提供了新的思路。傳統(tǒng)的統(tǒng)計(jì)方法對(duì)于風(fēng)的非線性特征挖掘不足，當(dāng)風(fēng)的波動(dòng)性過強(qiáng)時(shí)，風(fēng)速信號(hào)不穩(wěn)定導(dǎo)致風(fēng)速預(yù)測(cè)精度不高，預(yù)測(cè)能力急劇下降，可預(yù)測(cè)時(shí)長(zhǎng)也較短；近十年隨著人工智能技術(shù)的快速發(fā)展和在其他領(lǐng)域的廣泛應(yīng)用，相較于一般統(tǒng)計(jì)方法，人工智能技術(shù)能更好地挖掘出不連續(xù)變量的非線性變化規(guī)律，因此，人工智能技術(shù)已經(jīng)在風(fēng)電領(lǐng)域的實(shí)時(shí)預(yù)測(cè)業(yè)務(wù)（未來4小時(shí)逐15分鐘的平均風(fēng)速和風(fēng)功率預(yù)測(cè)）中進(jìn)行應(yīng)用，上述方法雖然對(duì)15分鐘的平均風(fēng)預(yù)測(cè)較好，但對(duì)于更高頻（如1分鐘或2分鐘）的風(fēng)速預(yù)測(cè)并未涉及，仍不能解決工程作業(yè)服務(wù)中的具體問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一
2、本專利技術(shù)的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：
3、一種基于分解算法和樣本熵的短臨風(fēng)速外推方法，該方法通過獲取施工點(diǎn)位在不同施工高度上的分鐘級(jí)風(fēng)速數(shù)據(jù)，利用垂直梯度觀測(cè)塔的所述多層分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)或施工點(diǎn)位臨近自動(dòng)氣象站的分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)，通過iceedman分解算法對(duì)原始風(fēng)速數(shù)據(jù)進(jìn)行降噪，去除高頻噪聲分量，生成降噪后的風(fēng)速序列，對(duì)降噪后的風(fēng)速序列應(yīng)用小波包分解算法進(jìn)行n次分解，分解次數(shù)n由分解得到的高頻分量的樣本熵大小決定；通過樣本熵計(jì)算判斷各風(fēng)速分量的復(fù)雜度，選擇適合的風(fēng)速分量與模型進(jìn)行建模預(yù)測(cè)，構(gòu)建短臨風(fēng)速外推模型建設(shè)模塊，生成施工高度的未來1小時(shí)分鐘級(jí)風(fēng)速短臨外推結(jié)果。
4、具體地，針對(duì)高樣本熵值的風(fēng)速分量使用復(fù)雜深度學(xué)習(xí)模型進(jìn)行建模，針對(duì)低樣本熵值的風(fēng)速分量使用集成機(jī)器學(xué)習(xí)算法進(jìn)行建模，最終將各分量外推結(jié)果進(jìn)行疊加，生成分鐘級(jí)風(fēng)速短臨外推結(jié)果。
5、具體地，所述短臨風(fēng)速外推模型建設(shè)模塊包括風(fēng)速降噪子模塊、風(fēng)速信號(hào)分解子模塊、風(fēng)速分量復(fù)雜度評(píng)估子模塊、模型建設(shè)子模塊、風(fēng)速合成模塊、效果評(píng)估模塊。
6、具體地，所述風(fēng)速合成模塊將各分量外推模型的預(yù)測(cè)結(jié)果進(jìn)行疊加，完成風(fēng)速外推的重構(gòu)，實(shí)現(xiàn)高精度的分鐘級(jí)風(fēng)速短臨外推。
7、具體地，當(dāng)施工點(diǎn)位在施工高度h0上具有實(shí)時(shí)風(fēng)速觀測(cè)數(shù)據(jù)，且時(shí)間間隔與梯度塔觀測(cè)間隔一致時(shí)，利用該數(shù)據(jù)作為輸入，應(yīng)用短臨風(fēng)速外推模型進(jìn)行外推，輸出h0高度上未來1小時(shí)的分鐘級(jí)風(fēng)速外推結(jié)果。
8、具體地，短臨風(fēng)速外推模型的適用范圍為以梯度塔為中心，半徑r的區(qū)域，且該區(qū)域內(nèi)高程標(biāo)準(zhǔn)差不高于15米，區(qū)域內(nèi)任意兩點(diǎn)風(fēng)速相關(guān)性不低于0.55。
9、具體地，若施工點(diǎn)位不滿足短臨風(fēng)速外推模型適用范圍內(nèi)的條件，利用施工點(diǎn)位10公里范圍內(nèi)的最近自動(dòng)氣象站的10米高度分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)建立短臨風(fēng)速外推模型。
10、具體地，將氣象站10米高度上的分鐘級(jí)風(fēng)速短臨外推值通過風(fēng)廓線冪指數(shù)模型計(jì)算，診斷出施工高度上未來風(fēng)速值。
11、具體地，利用k-means聚類算法對(duì)梯度塔不同高度層的風(fēng)速樣本進(jìn)行聚類，形成分層風(fēng)速樣本，建立相應(yīng)高度區(qū)間層的短臨風(fēng)速外推模型。
12、本專利技術(shù)還公開一種基于分解算法和樣本熵的短臨風(fēng)速外推方法，該方法具體為：
13、[1]判斷施工點(diǎn)位在施工高度h0高度上是否有風(fēng)速實(shí)時(shí)觀測(cè)數(shù)據(jù)，且時(shí)間間隔與梯度塔觀測(cè)間隔一致；
14、[2]當(dāng)施工點(diǎn)位滿足條件[1]，判斷施工點(diǎn)位所在位置是否在垂直梯度塔分層建立的短臨風(fēng)速外推模型適用范圍內(nèi)；
15、[3]當(dāng)施工點(diǎn)位滿足條件[2]，則將施工點(diǎn)位h0高度上的實(shí)時(shí)觀測(cè)作為h0高度相對(duì)應(yīng)的垂直短臨風(fēng)速外推模型的數(shù)據(jù)輸入，而模型輸出數(shù)據(jù)即為h0高度上未來1h的風(fēng)速短臨外推值；
16、[4]當(dāng)施工點(diǎn)位不滿足條件[1]或[2]，尋找施工點(diǎn)位所在位置10km范圍內(nèi)最近氣象站，利用氣象站歷史風(fēng)速觀測(cè)數(shù)據(jù)建立10m高度上的短臨風(fēng)速外推模型，輸出10m高度上未來風(fēng)速短臨外推值，即施工點(diǎn)位所在位置10m高度上未來風(fēng)速短臨外推值；
17、[5]在滿足4的條件下，將10m高度上未來風(fēng)速短臨外推值作為基于垂直梯度塔的風(fēng)廓線冪指數(shù)模型輸入，診斷出所需施工高度上的對(duì)應(yīng)時(shí)間段風(fēng)速值，即施工點(diǎn)位所在位置高度上未來風(fēng)速短臨外推值；
18、[6]當(dāng)施工點(diǎn)位不滿足條件[2]，判斷是否滿足條件[4]。
19、上述方法的有益效果：通過信號(hào)分解將不穩(wěn)定的風(fēng)速信號(hào)轉(zhuǎn)化為相對(duì)穩(wěn)定的風(fēng)速信號(hào)，再通過機(jī)器學(xué)習(xí)算法模型進(jìn)行外推，從而提高短臨風(fēng)速預(yù)測(cè)精度。該方法為風(fēng)電場(chǎng)或工程領(lǐng)域施工的短臨風(fēng)速預(yù)測(cè)提供了一個(gè)快速且泛化的方法。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于分解算法和樣本熵的短臨風(fēng)速外推方法，其特征在于，該方法通過獲取施工點(diǎn)位在不同施工高度上的分鐘級(jí)風(fēng)速數(shù)據(jù)，利用垂直梯度觀測(cè)塔的多層分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)或施工點(diǎn)位臨近自動(dòng)氣象站的分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)，通過ICEEDMAN分解算法對(duì)原始風(fēng)速數(shù)據(jù)進(jìn)行降噪，去除高頻噪聲分量，生成降噪后的風(fēng)速序列，對(duì)降噪后的風(fēng)速序列應(yīng)用小波包分解算法進(jìn)行多次分解，通過樣本熵計(jì)算各風(fēng)速分量的復(fù)雜度，選擇適合的風(fēng)速分量與模型進(jìn)行建模，構(gòu)建短臨風(fēng)速外推模型建設(shè)模塊，生成施工高度的未來1小時(shí)分鐘級(jí)風(fēng)速短臨外推結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，針對(duì)高樣本熵值的風(fēng)速分量使用復(fù)雜深度學(xué)習(xí)模型進(jìn)行建模，針對(duì)低樣本熵值的風(fēng)速分量使用集成機(jī)器學(xué)習(xí)算法進(jìn)行建模，最終將各分量外推結(jié)果進(jìn)行疊加，生成分鐘級(jí)風(fēng)速短臨外推結(jié)果。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述短臨風(fēng)速外推模型建設(shè)模塊包括風(fēng)速降噪子模塊、風(fēng)速信號(hào)分解子模塊、風(fēng)速分量復(fù)雜度評(píng)估子模塊、模型建設(shè)子模塊、風(fēng)速合成模塊、效果評(píng)估模塊。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，風(fēng)速合成模塊將各分量外
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)施工點(diǎn)位在施工高度H0上具有實(shí)時(shí)風(fēng)速觀測(cè)數(shù)據(jù)，且時(shí)間間隔與梯度塔觀測(cè)間隔一致時(shí)，利用該數(shù)據(jù)作為輸入，應(yīng)用短臨風(fēng)速外推模型進(jìn)行外推，輸出H0高度上未來1小時(shí)的分鐘級(jí)風(fēng)速外推值。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，短臨風(fēng)速外推模型的適用范圍為以梯度塔為中心，半徑R的區(qū)域，且該區(qū)域內(nèi)高程標(biāo)準(zhǔn)差不高于15米，區(qū)域內(nèi)任意兩點(diǎn)風(fēng)速相關(guān)性不低于0.55。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，若施工點(diǎn)位不滿足短臨風(fēng)速外推模型適用范圍內(nèi)的條件，利用施工點(diǎn)位10公里范圍內(nèi)的最近自動(dòng)氣象站的10米高度分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)建立短臨風(fēng)速外推模型。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，將氣象站10米高度上的分鐘級(jí)風(fēng)速短臨外推值通過風(fēng)廓線冪指數(shù)模型計(jì)算，診斷出施工高度上未來風(fēng)速值。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用K-means聚類算法對(duì)梯度塔不同高度層的風(fēng)速樣本進(jìn)行聚類，形成分層風(fēng)速樣本，建立相應(yīng)高度區(qū)間層的短臨風(fēng)速外推模型。
10.一種基于分解算法和樣本熵的短臨風(fēng)速外推方法，該方法具體為：
...【技術(shù)特征摘要】
1.一種基于分解算法和樣本熵的短臨風(fēng)速外推方法，其特征在于，該方法通過獲取施工點(diǎn)位在不同施工高度上的分鐘級(jí)風(fēng)速數(shù)據(jù)，利用垂直梯度觀測(cè)塔的多層分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)或施工點(diǎn)位臨近自動(dòng)氣象站的分鐘級(jí)風(fēng)速歷史觀測(cè)數(shù)據(jù)，通過iceedman分解算法對(duì)原始風(fēng)速數(shù)據(jù)進(jìn)行降噪，去除高頻噪聲分量，生成降噪后的風(fēng)速序列，對(duì)降噪后的風(fēng)速序列應(yīng)用小波包分解算法進(jìn)行多次分解，通過樣本熵計(jì)算各風(fēng)速分量的復(fù)雜度，選擇適合的風(fēng)速分量與模型進(jìn)行建模，構(gòu)建短臨風(fēng)速外推模型建設(shè)模塊，生成施工高度的未來1小時(shí)分鐘級(jí)風(fēng)速短臨外推結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，針對(duì)高樣本熵值的風(fēng)速分量使用復(fù)雜深度學(xué)習(xí)模型進(jìn)行建模，針對(duì)低樣本熵值的風(fēng)速分量使用集成機(jī)器學(xué)習(xí)算法進(jìn)行建模，最終將各分量外推結(jié)果進(jìn)行疊加，生成分鐘級(jí)風(fēng)速短臨外推結(jié)果。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述短臨風(fēng)速外推模型建設(shè)模塊包括風(fēng)速降噪子模塊、風(fēng)速信號(hào)分解子模塊、風(fēng)速分量復(fù)雜度評(píng)估子模塊、模型建設(shè)子模塊、風(fēng)速合成模塊、效果評(píng)估模塊。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，風(fēng)速合成模塊將各分量外推模型的預(yù)測(cè)結(jié)果進(jìn)行疊加。
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：唐嫻，何曉鳳，袁春紅，趙曉棟，王仁磊，
申請(qǐng)(專利權(quán))人：華風(fēng)氣象傳媒集團(tuán)有限責(zé)任公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。