一种基于比例分布的风速预测校正方法与流程

技术特征：

1.一种基于比例分布的风速预测校正方法，其特征在于，包括以下步骤：

步骤1，风速数据收集处理：

建立风塔，设置传感器采集记录风速数据，数据筛选处理，求得每小时实测风速平均值；

步骤2，采用BP神经网络方法预测风速：

对实测风速数据进行归一化处理，确定网络输入输出预测值和隐层神经元个数，训练网络，建立预测模型，进行风速预测，得到每小时的预测风速值；

步骤3，计算实测预测风速整体分布比例偏差：

以x轴为风速大小，y轴为风速分布比例，绘制实测风速和预测风速整体分布比例图，并计算实测风速和预测风速整体分布比例曲线的均方根误差r_a；

步骤4，拟合校正多项式：

以x轴为预测风速，y轴为实测风速，绘制预测风速-实测风速散点图，设置百分比从1到100，确定对应的百分比点，采用多项式拟合这些点，得到100个校正多项式模型；

步骤5，选出最优校正模型：

将步骤2中每小时的预测风速值分别代入步骤4得到的100个多项式模型中，得到校正后的预测风速值，再次计算校正之后新的预测风速和实测风速在整体分布比例上的偏差，从中选出最小的偏差，与之对应的多项式模型即为最优校正模型。

2.根据权利要求1所述的一种基于比例分布的风速预测校正方法，其特征在于，所述步骤2中，对实测风速数据进行归一化处理，通过下式计算得到：

$X\left(t\right)=\frac{d\left(t\right)-min\left(d\right(t\left)\right)}{\max \left(d\right(t\left)\right)-\min \left(d\right(t\left)\right)}$

式中，d(t)为网络输入归一化前的数据，X(t)为归一化之后的数据，min(d(t))为风速数据最小值，max(d(t))为风速数据最大值。

3.根据权利要求2所述的一种基于比例分布的风速预测校正方法，其特征在于，网络的输出预测值进行反归一化处理：

Y(t)＝o(t)*(max(d(t))-min(d(t))+min(d(t))

式中，Y(t)为网络输出反归一化后的数据，o(t)为神经网络的输出。

4.根据权利要求1所述的一种基于比例分布的风速预测校正方法，其特征在于，所述步骤2中，建立预测模型如下：

$H_j=f(\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{v}_{ij}{x}_i-a_j),j=1,2,\mathrm{3......}m$

$o_1=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{H}_j{w}_{j1}-a_1$

其中H_j为隐含层输出，f为隐含层激励函数，v_ij输入和隐含层的权值，x_i为网络输入，a₁和a_j为阈值，m为隐层神经元数，o₁为网络的输出，w_j1为隐含层和输出层的权值。

5.根据权利要求1所述的一种基于比例分布的风速预测校正方法，其特征在于，计算实测风速和预测风速分布曲线的均方根误差r_a，通过下式计算得到：

$r_a=\sqrt{\frac{1}{10*\max (u,v)}\underset{i=1}{\overset{10*\max (u,v)}{\mathrm{\Σ}}}{\left(f\right(t_i)-g(t_i\left)\right)}^2}$

式中u为预测风速，v为实测风速，max(u,v)为实测风速和预测风速中的最大值，t_i＝(i-1)*0.1，f(t_i)为实测风速分布比例曲线，g(t_i)为预测风速分布比例曲线。

6.根据权利要求1所述的一种基于比例分布的风速预测校正方法，其特征在于，所述步骤4中，多项式模型如下：

b＝p₁aⁿ+p₂a^n-1+p₃a^n-2+p₄a^n-3+p₅a^n-4+......+p_na¹+p_n+1

式中，a为预测风速需要代入的项，b为校正后的预测风速值，p₁、p₂、….p_n、p_n+1分别为系数值，n为多项式的最高次幂。