一种基于SVM的高原山区的风电功率预测方法和装置

1.一种基于SVM的高原山区的风电功率预测方法，其特征在于，包括：获取与高原山区对应的风速数据；对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据；对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据；将各类所述第二风速样本数据作为风电功率预测的最终风速样本数据，以对所述高原山区的风电功率进行预测；获取与高原山区对应的风速数据，包括：将所述高原山区的位置划分为三类地形，所述三类地形包括平缓区、山坡前区和山坡后区；所述三类地形的位置向量用第一公式表示，所述第一公式为：w＝(w 1 ,w 2 ,w 3 )；其中，w为位置向量，而w 1 、w 2 、和w 3 分别为所述平缓区的位置向量、所述山坡前区的位置向量和所述山坡后区的位置向量；将风速分为七个区间段，即0m/s至1m/s区间段，1m/s至3m/s区间段，3m/s至5m/s区间段，5m/s至8m/s区间段，8m/s至11m/s区间段，11m/s至20m/s区间段和20m/s以上的区间段；速度向量用第二公式表示，所述第二公式为：v＝(v 1 ,v 2 ,v 3 ,...,v 7 )；其中，v为速度向量，v 1 、v 2 、v 3 、v 4 、v 5 、v 6 、和v 7 分别为0m/s至1m/s区间段的速度向量、1m/s至3m/s区间段的速度向量、3m/s至5m/s区间段的速度向量、5m/s至8m/s区间段的速度向量、8m/s至11m/s区间段的速度向量、11m/s至20m/s区间段的速度向量和20m/s以上的区间段的速度向量；将所述三类地形和七个区间段对应的风向划分为21种类型，用第三公式进行表示，所述第三公式为：d′＝(d′ 1 ,d′ 2 ,d′ 3 ,...,d′ 21 )；其中，d′为所述三类地形和七个区间段对应的风电场的风向；d 1 ’、d 2 ’、d 3 ’、d 4 ’、d 5 ’、d 6 ’、d 7 ’、d 8 ’、d 9 ’、d 10 ’、d 11 ’、d 12 ’、d 13 ’、d 14 ’、d 15 ’、d 16 ’、d 17 ’、d 18 ’、d 19 ’、d 20 ’、d 21 ’分别为平缓区位置在0m/s至1m/s区间段对应的风电场的风向、平缓区位置在1m/s至3m/s区间段对应的风电场的风向、平缓区位置在3m/s至5m/s区间段对应的风电场的风向、平缓区位置在5m/s至8m/s区间段对应的风电场的风向、平缓区位置在8m/s至11m/s区间段对应的风电场的风向、平缓区位置在11m/s至20m/s区间段对应的风电场的风向、平缓区位置在20m/s以上的区间段对应的风电场的风向、山坡前区位置在0m/s至1m/s区间段对应的风电场的风向、山坡前区位置在1m/s至3m/s区间段对应的风电场的风向、山坡前区位置在3m/s至5m/s区间段对应的风电场的风向、山坡前区位置在5m/s至8m/s区间段对应的风电场的风向、山坡前区位置在8m/s至11m/s区间段对应的风电场的风向、山坡前区位置在11m/s至20m/s区间段对应的风电场的风向、山坡前区位置在20m/s以上的区间段对应的风电场的风向、山坡后区位置在0m/s至1m/s区间段对应的风电场的风向、山坡后区位置在1m/s至3m/s区间段对应的风电场的风向、山坡后区位置在3m/s至5m/s区间段对应的风电场的风向、山坡后区位置在5m/s至8m/s区间段对应的风电场的风向、山坡后区位置在8m/s至11m/s区间段对应的风电场的风向、山坡后区位置在11m/s至20m/s区间段对应的风电场的风向、山坡后区位置在20m/s以上的区间段对应的风电场的风向；将所述三类地形和七个区间段对应的风速划分为21种类型，用第四公式进行表示，所述第四公式为：v’＝(v 1 ’,v 2 ’,v 3 ’,…,v i ’,…,v 21 ’)；其中，所述v’为所述三类地形和七个区间段对应的风电场的风速；v 1 ’,v 2 ’,v 3 ’,v 4 ’,v 5 ’,v 6 ’,v 7 ’,v 8 ’,v 9 ’,v 10 ’,v 11 ’,v 12 ’,v 13 ’,v 14 ’,v 15 ’,v 16 ’,v 17 ’,v 18 ’,v 19 ’,v 20 ’,v 21 ’分别为平缓区位置在0m/s至1m/s区间段对应的风电场的风速、平缓区位置在1m/s至3m/s区间段对应的风电场的风速、平缓区位置在3m/s至5m/s区间段对应的风电场的风速、平缓区位置在5m/s至8m/s区间段对应的风电场的风速、平缓区位置在8m/s至11m/s区间段对应的风电场的风速、平缓区位置在11m/s至20m/s区间段对应的风电场的风速、平缓区位置在20m/s以上的区间段对应的风电场的风速、山坡前区位置在0m/s至1m/s区间段对应的风电场的风速、山坡前区位置在1m/s至3m/s区间段对应的风电场的风速、山坡前区位置在3m/s至5m/s区间段对应的风电场的风速、山坡前区位置在5m/s至8m/s区间段对应的风电场的风速、山坡前区位置在8m/s至11m/s区间段对应的风电场的风速、山坡前区位置在11m/s至20m/s区间段对应的风电场的风速、山坡前区位置在20m/s以上的区间段对应的风电场的风速、山坡后区位置在0m/s至1m/s区间段对应的风电场的风速、山坡后区位置在1m/s至3m/s区间段对应的风电场的风速、山坡后区位置在3m/s至5m/s区间段对应的风电场的风速、山坡后区位置在5m/s至8m/s区间段对应的风电场的风速、山坡后区位置在8m/s至11m/s区间段对应的风电场的风速、山坡后区位置在11m/s至20m/s区间段对应的风电场的风速、山坡后区位置在20m/s以上的区间段对应的风电场的风速；所述d′和所述v’为与所述高原山区对应的所述风速数据。 2.根据权利要求1所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据具体包括：选取与所述风速数据对应的风速特征矢量；对所述风速特征矢量进行最大最小归一化，得到归一化风速数据；利用K-means聚类算法对所述归一化风速数据进行第一聚类。 3.根据权利要求2所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述利用K-means聚类算法对所述归一化风速数据进行第一聚类包括：确定所述K-means聚类算法的初始聚类数和第一目标函数，所述第一目标函数具体为所述归一化风速数据至与所述归一化风速数据对应的聚类中心的欧式距离的平方和最小；根据所述初始聚类数计算所述归一化风速数据的初始化聚类中心，得到第一聚类数；从所述第一聚类数对应的聚类中心中选取最大初始化聚类中心，将所述最大初始化聚类中心分裂为两个聚类中心，得到第二聚类数；计算所述归一化风速数据至所述最大初始化聚类中心的欧式距离，将所述归一化风速数据至所述最大初始化聚类中心的所述欧式距离满足预设要求的归一化风速数据归为一类，重复迭代直至满足所述第一目标函数。 4.根据权利要求1所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类包括：确定所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段；确定所述SVM的判决函数；利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数，得到以连续预设天数为单位的多类第二风速样本数据。 5.根据权利要求4所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数包括：利用所述第一风速样本数据中的风速特征矢量确定第二目标函数；将所述第二目标函数转换为对偶函数；求解所述对偶函数的向量，利用所述向量求解所述SVM的判决函数。 6.一种基于SVM的高原山区的风电功率预测装置，其特征在于，包括：获取模块，用于获取与高原山区对应的风速数据；第一聚类模块，用于对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据；第二聚类模块，用于对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据，将各类所述第二风速样本数据作为风电功率预测的最终风速样本数据，以对所述高原山区的风电功率进行预测；所述获取模块具体用于将所述高原山区的位置划分为三类地形，所述三类地形包括平缓区、山坡前区和山坡后区；所述三类地形的位置向量用第一公式表示，所述第一公式为：w＝(w 1 ,w 2 ,w 3 )；其中，w为位置向量，而w 1 、w 2 、和w 3 分别为所述平缓区的位置向量、所述山坡前区的位置向量和所述山坡后区的位置向量；将风速分为七个区间段，即0m/s至1m/s区间段，1m/s至3m/s区间段，3m/s至5m/s区间段，5m/s至8m/s区间段，8m/s至11m/s区间段，11m/s至20m/s区间段和20m/s以上的区间段；速度向量用第二公式表示，所述第二公式为：v＝(v 1 ,v 2 ,v 3 ,...,v 7 )；其中，v为速度向量，v 1 、v 2 、v 3 、v 4 、v 5 、v 6 、和v 7 分别为0m/s至1m/s区间段的速度向量、1m/s至3m/s区间段的速度向量、3m/s至5m/s区间段的速度向量、5m/s至8m/s区间段的速度向量、8m/s至11m/s区间段的速度向量、11m/s至20m/s区间段的速度向量和20m/s以上的区间段的速度向量；将所述三类地形和七个区间段对应的风向划分为21种类型，用第三公式进行表示，所述第三公式为：d′＝(d′ 1 ,d′ 2 ,d′ 3 ,...,d′ 21 )；其中，d′为所述三类地形和七个区间段对应的风电场的风向；d 1 ’、d 2 ’、d 3 ’、d 4 ’、d 5 ’、d 6 ’、d 7 ’、d 8 ’、d 9 ’、d 10 ’、d 11 ’、d 12 ’、d 13 ’、d 14 ’、d 15 ’、d 16 ’、d 17 ’、d 18 ’、d 19 ’、d 20 ’、d 21 ’分别为平缓区位置在0m/s至1m/s区间段对应的风电场的风向、平缓区位置在1m/s至3m/s区间段对应的风电场的风向、平缓区位置在3m/s至5m/s区间段对应的风电场的风向、平缓区位置在5m/s至8m/s区间段对应的风电场的风向、平缓区位置在8m/s至11m/s区间段对应的风电场的风向、平缓区位置在11m/s至20m/s区间段对应的风电场的风向、平缓区位置在20m/s以上的区间段对应的风电场的风向、山坡前区位置在0m/s至1m/s区间段对应的风电场的风向、山坡前区位置在1m/s至3m/s区间段对应的风电场的风向、山坡前区位置在3m/s至5m/s区间段对应的风电场的风向、山坡前区位置在5m/s至8m/s区间段对应的风电场的风向、山坡前区位置在8m/s至11m/s区间段对应的风电场的风向、山坡前区位置在11m/s至20m/s区间段对应的风电场的风向、山坡前区位置在20m/s以上的区间段对应的风电场的风向、山坡后区位置在0m/s至1m/s区间段对应的风电场的风向、山坡后区位置在1m/s至3m/s区间段对应的风电场的风向、山坡后区位置在3m/s至5m/s区间段对应的风电场的风向、山坡后区位置在5m/s至8m/s区间段对应的风电场的风向、山坡后区位置在8m/s至11m/s区间段对应的风电场的风向、山坡后区位置在11m/s至20m/s区间段对应的风电场的风向、山坡后区位置在20m/s以上的区间段对应的风电场的风向；将所述三类地形和七个区间段对应的风速划分为21种类型，用第四公式进行表示，所述第四公式为：v’＝(v 1 ’,v 2 ’,v 3 ’,…,v i ’,…,v 21 ’)；其中，所述v’为所述三类地形和七个区间段对应的风电场的风速；v 1 ’,v 2 ’,v 3 ’,v 4 ’,v 5 ’,v 6 ’,v 7 ’,v 8 ’,v 9 ’,v 10 ’,v 11 ’,v 12 ’,v 13 ’,v 14 ’,v 15 ’,v 16 ’,v 17 ’,v 18 ’,v 19 ’,v 20 ’,v 21 ’分别为平缓区位置在0m/s至1m/s区间段对应的风电场的风速、平缓区位置在1m/s至3m/s区间段对应的风电场的风速、平缓区位置在3m/s至5m/s区间段对应的风电场的风速、平缓区位置在5m/s至8m/s区间段对应的风电场的风速、平缓区位置在8m/s至11m/s区间段对应的风电场的风速、平缓区位置在11m/s至20m/s区间段对应的风电场的风速、平缓区位置在20m/s以上的区间段对应的风电场的风速、山坡前区位置在0m/s至1m/s区间段对应的风电场的风速、山坡前区位置在1m/s至3m/s区间段对应的风电场的风速、山坡前区位置在3m/s至5m/s区间段对应的风电场的风速、山坡前区位置在5m/s至8m/s区间段对应的风电场的风速、山坡前区位置在8m/s至11m/s区间段对应的风电场的风速、山坡前区位置在11m/s至20m/s区间段对应的风电场的风速、山坡前区位置在20m/s以上的区间段对应的风电场的风速、山坡后区位置在0m/s至1m/s区间段对应的风电场的风速、山坡后区位置在1m/s至3m/s区间段对应的风电场的风速、山坡后区位置在3m/s至5m/s区间段对应的风电场的风速、山坡后区位置在5m/s至8m/s区间段对应的风电场的风速、山坡后区位置在8m/s至11m/s区间段对应的风电场的风速、山坡后区位置在11m/s至20m/s区间段对应的风电场的风速、山坡后区位置在20m/s以上的区间段对应的风电场的风速；所述d′和所述v’为与所述高原山区对应的所述风速数据。 7.根据权利要求6所述的基于SVM的高原山区的风电功率预测装置，其特征在于，所述第一聚类模块包括：选取单元，用于选取与所述风速数据对应的风速特征矢量；归一化单元，用于对所述风速特征矢量进行最大最小归一化，得到归一化风速数据；第一聚类单元，用于利用K-means聚类算法对所述归一化风速数据进行第一聚类。 8.根据权利要求6所述的基于SVM的高原山区的风电功率预测装置，其特征在于，所述第二聚类模块包括：第一确定单元，用于确定所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段；第二确定单元，用于确定所述SVM的第二目标函数；求解单元，用于利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数，得到以连续预设天数为单位的多类第二风速样本数据。 9.根据权利要求7所述的基于SVM的高原山区的风电功率预测装置，其特征在于，所述第一聚类单元包括：确定子单元，用于确定所述K-means聚类算法的初始聚类数和第一目标函数，所述第一目标函数具体为所述归一化风速数据至与所述归一化风速数据对应的聚类中心的欧式距离的平方和最小；第一计算子单元，用于根据所述初始聚类数计算所述归一化风速数据的初始化聚类中心，得到第一聚类数；选取子单元，用于从所述第一聚类数对应的聚类中心中选取最大初始化聚类中心，将所述最大初始化聚类中心分裂为两个聚类中心，得到第二聚类数；第二计算子单元，用于计算所述归一化风速数据至所述最大初始化聚类中心的欧式距离，将所述归一化风速数据至所述最大初始化聚类中心的所述欧式距离满足预设要求的归一化风速数据归为一类，重复迭代直至满足所述第一目标函数。 10.一种基于SVM的高原山区的风电功率预测装置，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序以实现如权利要求1至5任一项所述的基于SVM的高原山区的风电功率预测方法的步骤。