一种风速集合预报方法及系统技术方案

本发明专利技术公开了一种风速集合预报方法及系统，包括：获取集合预报模式中给定时刻的多个风速预报值；基于预先构建的逻辑回归模型对所有风速预报值进行回归计算，得到所述给定时刻的预测风速；其中，所述逻辑回归模型是对多个风速预报值利用逻辑回归方法进行处理，得到多个预报值与预测值之间的映射关系。本发明专利技术简化了对集合预报模式的统计处理流程，提高了风速预报精度，进而提高了风电消纳水平。进而提高了风电消纳水平。进而提高了风电消纳水平。

【技术实现步骤摘要】
一种风速集合预报方法及系统


[0001]本专利技术涉及新能源资源发电领域，具体涉及一种风速集合预报方法及系统。

技术介绍

[0002]随着人们对风能发电的迫切需求，风电装机容量持续增长，以中国为例，截止2020年6月，风电装机容量超过2亿千瓦，同时随着社会能源转型以及制定的实现2060碳中和目标，风电装机容量在未来依旧持续增长。在提高风电消纳和电力市场改革的推进的过程中，风能资源的集合预报成为辅助决策的重要手段。
[0003]所谓集合预报，即利用一组不同初始值、参数设置等数值天气预报模式，对同一预报时效、同一预报参量进行预报，然后通过集合统计后处理，对这些模式的预报结果进行统计分析，得到所需变量最优的预报结果。组成集合预报数值模式的每一个模式即集合预报成员，风能资源的集合预报主要是利用集合数值天气预报模式对风速的进行预报。但是气象行业的集合预报主要应用于公众生活影响最为显著的强降水预报过程中，对于风速的预报较为关注较少，而风速是风电功率预测最重要的基础数据，通过集合预报提供较为精准的风速预报是提高风电功率预测精度的重要方法之一，因此亟需解决如何利用集合预报对风速进行预报。

技术实现思路

[0004]为了解决现有技术中所存在的上述不足，本专利技术提供了一种风速集合预报方法，包括：
[0005]获取集合预报模式中给定时刻的多个风速预报值；
[0006]基于预先构建的逻辑回归模型对所有风速预报值进行回归计算，得到所述给定时刻的预测风速；
[0007]其中，所述逻辑回归模型是对多个风速预报值利用逻辑回归方法进行处理，得到多个预报值与预测值之间的映射关系。
[0008]优选的，所述逻辑回归模型的构建，包括：
[0009]将预设周期内历史监测风速和多个预报成员在对应时刻的历史风速预报值，作为训练样本；
[0010]基于预报成员的数量利用风速回归函数和Sigmoid函数构建逻辑回归函数；
[0011]利用所述训练样本对所述逻辑回归函数进行训练确定各预报成员的系数参数和常数参数；
[0012]其中，所述风速回归函数包括常数参数和各预报成员的系数参数。
[0013]进一步的，所述风速回归函数，如下式所示：
[0014]v
’
t
＝w1x
t,1
+w2x
t,2
+w3x
t,3
+
……
+w
n
x
t,n
+b＝W
T
X+b
[0015]式中：v
’
t
为t时刻的预测风速,w1,w2,w3……
w
n
为每个风速预报值的系数参数，x
t,i
为预报成员i在t时刻的风速预报值；W为系数参数的集合[w1,w2,w3……
w
n
]，T为转置，b为常
数参数；X为x
t,i
构成的序列，i为集合预报的预报成员，取值为1,2
…
n，n为集合预报的成员数量。
[0016]优选的，所述利用所述训练样本对所述逻辑回归函数进行训练确定各预报成员的系数参数和常数参数，包括：
[0017]利用所述逻辑回归函数计算训练样本的平均预测误差；
[0018]分别对所述平均预测误差的系数参数和常数参数进行求导，得到系数参数的计算式和常数参数的计算式；
[0019]基于所述训练样本分别利用所述系数参数的计算式和常数参数的计算式确定所述系数参数和常数参数。
[0020]进一步的，所述训练样本的平均预测误差，如下式所示：
[0021][0022]式中：J(W,b)为损失函数，表示训练样本的平均预测误差；W为系数参数的集合[w1,w2,w3……
w
n
]，b为常数参数；L(y
′
t
，y
t
)为t时刻风速的预测误差；m为总时刻数；y
t
为逻辑回归函数的真实值；y
′
t
为逻辑回归函数的预测值；
[0023]其中，所述逻辑回归函数的真实值y
t
按下式进行计算：
[0024][0025]式中：v
t
为t时刻的监测风速；
[0026]所述逻辑回归函数的预测值y
′
t
按下式进行计算：
[0027][0028]式中：v
′
t
为t时刻的预测风速。
[0029]进一步的，所述系数参数的计算式，如下式所示：
[0030][0031]式中：w
i
为预报成员i的风速预报值的系数参数；x
t,i
为预报成员i在t时刻的风速预报值；y
t
为逻辑回归函数的真实值；y
′
t
为逻辑回归函数的预测值。
[0032]进一步的，所述常数参数的计算式，如下式所示：
[0033][0034]式中：b为常数参数；y
t
为逻辑回归函数的真实值；y
′
t
为逻辑回归函数的预测值；m为总时刻数。
[0035]基于同一专利技术构思，本专利技术还提供了一种风速集合预报系统，用于实现上述权利要求中任一项所述的风速集合预报方法，包括：
[0036]获取模块，用于获取集合预报模式中给定时刻的多个风速预报值；
[0037]预测模块，用于基于预先构建的逻辑回归模型对所有风速预报值进行回归计算，
得到所述给定时刻的预测风速；
[0038]其中，所述逻辑回归模型是对多个风速预报值利用逻辑回归方法进行处理，得到多个预报值与预测值之间的映射关系。
[0039]优选的，所述系统还包括：构建逻辑回归模型模块；所述构建逻辑回归模型模块具体包括：
[0040]构建训练样本单元，用于将预设周期内历史监测风速和多个预报成员在对应时刻的历史风速预报值，作为训练样本；
[0041]构建映射关系单元，用于基于预报成员的数量利用风速回归函数和Sigmoid函数构建逻辑回归函数；
[0042]求解单元，用于利用所述训练样本对所述逻辑回归函数进行训练确定各预报成员的系数参数和常数参数；
[0043]其中，所述风速回归函数包括常数参数和各预报成员的系数参数。
[0044]优选的，所述求解单元具体用于：
[0045]利用所述逻辑回归函数计算训练样本的平均预测误差；
[0046]分别对所述平均预测误差的系数参数和常数参数进行求导，得到系数参数的计算式和常数参数的计算式；
[0047]基于所述训练样本分别利用所述系数参数的计算式和常数参数的计算式确定所述系数参数和常数参数。
[0048]与现有技术相比，本专利技术的有益效果为：
[0049]本专利技术提供的技术方案，获取集合预报模式中给本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风速集合预报方法，其特征在于，包括：获取集合预报模式中给定时刻的多个风速预报值；基于预先构建的逻辑回归模型对所有风速预报值进行回归计算，得到所述给定时刻的预测风速；其中，所述逻辑回归模型是对多个风速预报值利用逻辑回归方法进行处理，得到多个预报值与预测值之间的映射关系。2.如权利要求1所述的方法，其特征在于，所述逻辑回归模型的构建，包括：将预设周期内历史监测风速和多个预报成员在对应时刻的历史风速预报值，作为训练样本；基于预报成员的数量利用风速回归函数和Sigmoid函数构建逻辑回归函数；利用所述训练样本对所述逻辑回归函数进行训练确定各预报成员的系数参数和常数参数；其中，所述风速回归函数包括常数参数和各预报成员的系数参数。3.如权利要求2所述的方法，其特征在于，所述风速回归函数，如下式所示：v
’
t
＝w1x
t,1
+w2x
t,2
+w3x
t,3
+
……
+w
n
x
t,n
+b＝W
T
X+b式中：v
’
t
为t时刻的预测风速,w1,w2,w3……
w
n
为每个风速预报值的系数参数，x
t,i
为预报成员i在t时刻的风速预报值；W为系数参数的集合[w1,w2,w3……
w
n
]，T为转置，b为常数参数；X为x
t,i
构成的序列，i为集合预报的预报成员，取值为1,2
…
n，n为集合预报的成员数量。4.如权利要求2所述的方法，其特征在于，所述利用所述训练样本对所述逻辑回归函数进行训练确定各预报成员的系数参数和常数参数，包括：利用所述逻辑回归函数计算训练样本的平均预测误差；分别对所述平均预测误差的系数参数和常数参数进行求导，得到系数参数的计算式和常数参数的计算式；基于所述训练样本分别利用所述系数参数的计算式和常数参数的计算式确定所述系数参数和常数参数。5.如权利要求4所述的方法，其特征在于，所述训练样本的平均预测误差，如下式所示：式中：J(W,b)为损失函数，表示训练样本的平均预测误差；W为系数参数的集合[w1,w2,w3……
w
n
]，b为常数参数；L(y
′
t
，y
t
...

【专利技术属性】
技术研发人员：胡菊，王姝，王勃，王伟胜，冯双磊，靳双龙，宋宗朋，王铮，王钊，滑申冰，刘晓琳，车建峰，姜文玲，赵艳青，郭于阳，汪步惟，裴岩，
申请(专利权)人：国家电网有限公司国网湖北省电力有限公司，
类型：发明
国别省市：