(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211401211.7 (22)申请日 2022.11.09 (71)申请人 国网山西省电力公司电力科 学研究 院 地址 030000 山西省太原市青年路6号 (72)发明人 周策　闫俊　郝丽花　孙昌雯　 尹旭佳　王浩霖　崔亚明　刘致诚　 付文华　王利峰　张屹峰　白志刚　 高义斌　刘建辉　王建　 (74)专利代理 机构 太原高欣科创专利代理事务 所(普通合伙) 14109 专利代理师 崔浩　王昆鹏 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06N 20/10(2019.01) (54)发明名称 一种基于主成分分析网络的风功率预测方 法 (57)摘要 本发明提供一种基于主成分分析网络的风 功率预测方法， 属于采用主成分分析网络预测风 功率技术领域； 所要解决的技术问题为： 提供一 种基于主成分分析网络的风功率预测方法的改 进； 解决该技术问题采用的技术方案为： 通过采 集风力发电场站的历史风速、 风向、 云量、 表面气 压、 环境温度、 降水量、 各气象数据波动变量、 有 功功率状态变量来融合构建样 本数据； 对样本数 据每一个状态变量分别进行奇异点剔除， 剔除该 样本后， 采用插值法在剔除数据点的时间序列中 补充数据； 将处理后的样本数据中每个状态变量 进行归一化处理， 构建数据集； 对构建的数据集 进行主成分分析网络特征学习， 提取风电场数据 状态变量的特征信息； 本发明应用于风功率预 测。 权利要求书2页 说明书5页 附图2页 CN 115526436 A 2022.12.27 CN 115526436 A 1.一种基于主成分 分析网络的风功率预测方法， 其特 征在于： 包括如下 预测步骤： 步骤一： 通过采集风力发电场站的历史风速、 风向、 云量、 表面气压、 环境温度、 降水量、 各气象数据波动变量、 有功 功率状态变量 来融合构建样本数据； 步骤二： 对样本数据每一个状态变量分别进行奇异点剔除， 剔除该样本后， 采用插值法 在剔除数据点的时间序列中补充数据； 步骤三： 将处 理后的样本数据中每 个状态变量进行归一 化处理， 构建数据集； 步骤四： 对构建的数据集进行主成分分析网络特征学习， 提取风电场数据状态变量的 特征信息； 步骤五： 以特征信 息代表风电场数据样本， 采用支持向量机回归模型进行风功率预测， 得到预测结果。 2.根据权利要求1所述的一种基于主成分分析网络的风功率预测方法， 其特征在于： 所 述步骤二中对样本数据进行奇异点剔除的具体步骤为： 采用拉依达准则对样本数据进行剔除奇异点操作， 采用如下辨别式进行剔除选择： ； 式中， 设样本数据中某一状态变量为 ， 其中z为该状态变 量在样本数据中的个数， 定义若 >3时， 则该样本属于奇异点。 3.根据权利要求2所述的一种基于主成分分析网络的风功率预测方法， 其特征在于： 所 述步骤三中对样本数据进行归一 化处理的具体步骤为： 采用如下计算公式进行归一 化处理： ； 式中： 为归一化后的状态变量样本数值。 4.根据权利要求3所述的一种基于主成分分析网络的风功率预测方法， 其特征在于： 所 述步骤四中进行主成分 分析网络特 征学习的具体步骤为： 采用如下计算公式处 理得到主成分滤波器： ； 基于上式提取矩阵 的前 个最大特征值对应的特征向量组成特征映射矩阵， 式 中： 是一个将图 转化为矩阵 的函数， 为矩阵 的第l个主成分特 征向量， 为滤波器尺寸， W为所得主成分滤波器； 然后采用主成分滤波器对输入样本进行卷积操作， 得到输出样本， 基于主成分分析网 络输出层对第二层所得输出矩阵进行二值化哈希编码， 并计算每个块的直方图信息， 将直权　利　要　求　书 1/2 页 2 CN 115526436 A 2方图特征进行级联 得到向量， 将得到 个的向量 合集表示为样本的特 征信息。 5.根据权利要求4所述的一种基于主成分分析网络的风功率预测方法， 其特征在于： 所 述步骤五中进行风功率预测的具体步骤为： 将从步骤四中得到的数据样本特征信 息构建成特征集， 采用如下支持向量机回归模型 估计计算公式得到期望值： ， 其中y为期望值； 然后基于下述公式对 优化目标 取极值： ； 式中：C为惩罚因子， 为松弛因子， 为损失函数； 基于上式引入拉格朗日乘子 ， 使回归函数表示 为： ； 上式中 为多项式核函数， 进 而得到回归分析 得到的风功率预测数据 y。权　利　要　求　书 2/2 页 3 CN 115526436 A 3