專利名稱：對測風數(shù)據(jù)進行補缺修正的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及風資源分析技術(shù)領(lǐng)域，尤其涉及一種對測風數(shù)據(jù)進行補缺修正的方法。
背景技術(shù)：
風資源分析的最基礎依據(jù)是測風塔的測風資料，但是測風塔的原始數(shù)據(jù)經(jīng)常出現(xiàn)缺測，同時存在一定數(shù)量的不合理數(shù)據(jù)，而對缺測數(shù)據(jù)和不合理數(shù)據(jù)進行修補的準確與否， 直接影響到后期的風資源評估以及風電場電量的估算。因而，對測風塔缺測不合理數(shù)據(jù)的修正是必要的，修正的準確與否是至關(guān)重要的。缺測不合理數(shù)據(jù)包括缺測數(shù)據(jù)以及不合理數(shù)據(jù)其中，缺測數(shù)據(jù)是全部測風數(shù)據(jù)中，實際測量時未測得的本應測量的數(shù)據(jù)；不合理數(shù)據(jù)是根據(jù)國標標準對測風數(shù)據(jù)進行合理性判斷后，得出的不合理數(shù)據(jù)。當前，對測風數(shù)據(jù)修正的方法有替換法、相關(guān)法、以及切變法等。在對測風數(shù)據(jù)進行補缺修正的過程中，替換法較為簡單，只適用于缺失少量數(shù)據(jù)的情況，數(shù)據(jù)量大的情況下，缺乏依據(jù)性；采用相關(guān)法進行修正，需要大量的原始數(shù)據(jù)來提高修正的準確性；并且切變法同樣存在上述問題。人工神經(jīng)網(wǎng)絡(Artificial Neural Networks，ANN)系統(tǒng)是20世紀40年代后出現(xiàn)的，它由眾多的神經(jīng)元可調(diào)的連接權(quán)值連接而成，具有大規(guī)模并行處理、分布式信息存儲、 良好的自組織自學習能力等特點，在信息處理、模式識別、智能控制及系統(tǒng)建模等領(lǐng)域得到越來越廣泛的應用。神經(jīng)網(wǎng)絡能夠?qū)W習和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學方程，它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權(quán)值和閾值，使網(wǎng)絡的誤差平方和最小。圖1是神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)圖。 如圖1所示，神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)包括輸入層(Input layer)、隱層(Hide layer)和輸出層(Output layer)，圖1中，I1 In代表輸入層，H1 Hn代表隱層，0代表輸出層，具體的運算過程中，數(shù)據(jù)從輸入層進入神經(jīng)網(wǎng)絡系統(tǒng)，在隱層進行運算，將結(jié)果輸出到輸出層。

發(fā)明內(nèi)容
本發(fā)明針對當前測風數(shù)據(jù)修正方法中存在的例如需要大量的原始數(shù)據(jù)、不能對大量的數(shù)據(jù)進行修正等問題，提出了一種對測風數(shù)據(jù)進行補缺修正的方法，將神經(jīng)網(wǎng)絡系統(tǒng)作為一個運算模塊，有效地提高了修正的準確率，減少了誤差率。本發(fā)明提出的對測風數(shù)據(jù)進行補缺修正的方法包括步驟一對原始數(shù)據(jù)進行預處理，將數(shù)據(jù)分為正常數(shù)據(jù)和缺測不合理數(shù)據(jù)；步驟二 將原始數(shù)據(jù)中以測風時間為準測風高度全部為正常數(shù)據(jù)的數(shù)據(jù)組輸入到神經(jīng)網(wǎng)絡模塊，建議運算模型，得到輸入和輸出之間的關(guān)系；步驟三將與需要修正的缺測不合理數(shù)據(jù)同時間段的正常數(shù)據(jù)作為輸入數(shù)據(jù)， 輸入到神經(jīng)網(wǎng)絡模塊中，利用已經(jīng)建立好的運算模型，得到修正好的正確數(shù)據(jù)。根據(jù)本發(fā)明所提出的方法的另一方面，步驟一具體包括將原始數(shù)據(jù)輸入計算機， 通過依據(jù)國際標準建立的公式來判定所輸入的原始數(shù)據(jù)是正常數(shù)據(jù)還是缺測不合理數(shù)據(jù)。
根據(jù)本發(fā)明所提出的方法的另一方面，步驟二具體包括所述輸入所對應的測風高度為以測風時間為準測風高度部分為正常數(shù)據(jù)的數(shù)據(jù)組中正常數(shù)據(jù)所對應的測風高度， 所述輸出所對應的測風高度為以測風時間為準測風高度部分為正常數(shù)據(jù)的數(shù)據(jù)組中缺測不合理數(shù)據(jù)所對應的測風高度。


圖1是人工神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)圖；圖2是根據(jù)本發(fā)明對測風數(shù)據(jù)進行補缺修正的方法流程圖；圖3是采用本發(fā)明對測風數(shù)據(jù)進行補缺修正的方法運算實例圖。
具體實施例方式下面通過具體實施例對本發(fā)明進行描述，并不限定本發(fā)明的范圍。圖2示出了根據(jù)本發(fā)明對測風數(shù)據(jù)進行補缺修正的方法流程。如圖2所示，本發(fā)明利用神經(jīng)網(wǎng)絡技術(shù)對缺測不合理數(shù)據(jù)進行修正，其具體過程如下1、對原始數(shù)據(jù)進行預處理，將數(shù)據(jù)分為兩部分，分別為正常數(shù)據(jù)，缺測不合理數(shù)據(jù)在上述對原始數(shù)據(jù)進行預處理階段，所采用的判別標準為國標標準，確定要修正的缺測不合理數(shù)據(jù)，所采用的具體方法為將原始數(shù)據(jù)輸入計算機，通過依據(jù)國際標準建立的公式來判定所輸入的原始數(shù)據(jù)是否為缺測不合理數(shù)據(jù)；2、以測風時間為準，將各測風高度全部為正常數(shù)據(jù)的數(shù)據(jù)組輸入到神經(jīng)網(wǎng)絡模塊，并通過計算機的運算建立運算模型，得到輸入和輸出之間的關(guān)系人工神經(jīng)網(wǎng)絡由非線性函數(shù)f組成，而f由一系列不同權(quán)重的線性過濾器組合而成，表達式如下V(0 = /(Σ 4/(Σ aUxJ _...............公式一
/=1 y=i
m其中，/(ΣiVO(O)為隱層函數(shù)，\是輸入變量，為隱層函數(shù)的權(quán)值，m為輸入變
量的個數(shù)，隱層函數(shù)運算的結(jié)果作為輸出層函數(shù)的輸入值，^i)代表輸出值，Ai為輸出層函數(shù)的權(quán)值，1為中間層的個數(shù)。以實測風速與預測風速的最小平方差作為目標函數(shù)，訓練網(wǎng)絡，尋找最優(yōu)的權(quán)值 Bij以及Ai，即 SE =公 V(0 一 V(t)f...............公式二
n=l其中，為預測值，V(t)為實測值，N為訓練數(shù)據(jù)個數(shù)；在確定最優(yōu)的權(quán)值aij以及Ai之后，從而確定輸入輸出函數(shù)的關(guān)系，預測時刻t時的風速，具體運算過程中，將正常數(shù)據(jù)組輸入公式一，以公式二為目標，尋找并確定最優(yōu)權(quán)值 」以及Ai,建立運算模型。3、將與需要修正的缺測不合理數(shù)據(jù)同時間段的正常數(shù)據(jù)作為輸入數(shù)據(jù)，輸入到神經(jīng)網(wǎng)絡模塊中，利用已經(jīng)建立好的運算模型，從而得到修正好的正確數(shù)據(jù)。
圖3示出了根據(jù)本發(fā)明對測風數(shù)據(jù)進行補缺修正的方法運算實例圖。如圖3所示的運算實例中，根據(jù)判斷可知，劃線數(shù)據(jù)(風速數(shù)據(jù))為不合理數(shù)據(jù)， 其他數(shù)據(jù)為正常數(shù)據(jù)；將2007-01-04 12:00到16:00數(shù)據(jù)組輸入到神經(jīng)網(wǎng)絡模塊，運算以建立70m，50m以及30m，IOm之間的輸入輸出關(guān)系(具體關(guān)系式取決于運算確定的最優(yōu)權(quán)值 Bij以及Ai)；利用建立好的運算模型，將2007-01-04 17:00和18:00的70m，50m數(shù)據(jù)作為輸入數(shù)據(jù)，得出30m，IOm相應的輸出結(jié)果，如圖3中的斜體所示，該輸出結(jié)果即為修正后的數(shù)據(jù)。本發(fā)明提出了一種對測風數(shù)據(jù)進行補缺修正的方法，該方法采用神經(jīng)網(wǎng)絡技術(shù)， 其不僅不需要大量的原始數(shù)據(jù)，而且能對大量的數(shù)據(jù)進行修正，有效的提高了修正的準確率，減少了誤差率。雖然本發(fā)明采用上述具體實施例對所提出的方法進行了描述，但本領(lǐng)域技術(shù)人員應當理解，所作出的描述僅為說明的目的，并不作為對本發(fā)明的限制，為了適應不同的實際情況，一些相應的修改是合理的并不超出本發(fā)明所要求保護的范圍。
權(quán)利要求
1.一種對測風數(shù)據(jù)進行補缺修正的方法，特征在于該方法包括步驟一對原始數(shù)據(jù)進行預處理，將數(shù)據(jù)分為正常數(shù)據(jù)和缺測不合理數(shù)據(jù)； 步驟二 將原始數(shù)據(jù)中以測風時間為準測風高度全部為正常數(shù)據(jù)的數(shù)據(jù)組輸入到神經(jīng)網(wǎng)絡模塊，建議運算模型，得到輸入和輸出之間的關(guān)系；步驟三將與需要修正的缺測不合理數(shù)據(jù)同時間段的正常數(shù)據(jù)作為輸入數(shù)據(jù)，輸入到神經(jīng)網(wǎng)絡模塊中，利用已經(jīng)建立好的運算模型，得到修正好的正確數(shù)據(jù)。
2.如權(quán)利要求1所述的對測風數(shù)據(jù)進行補缺修正的方法，其特征在于步驟一具體包括將原始數(shù)據(jù)輸入計算機，通過依據(jù)國際標準建立的公式來判定所輸入的原始數(shù)據(jù)是正常數(shù)據(jù)還是缺測不合理數(shù)據(jù)。
3.如權(quán)利要求1所述的對測風數(shù)據(jù)進行補缺修正的方法，其特征在于步驟二具體包括所述輸入所對應的測風高度為以測風時間為準測風高度部分為正常數(shù)據(jù)的數(shù)據(jù)組中正常數(shù)據(jù)所對應的測風高度，所述輸出所對應的測風高度為以測風時間為準測風高度部分為正常數(shù)據(jù)的數(shù)據(jù)組中缺測不合理數(shù)據(jù)所對應的測風高度。
全文摘要
提出了一種對測風數(shù)據(jù)進行補缺修正的方法，屬于風資源分析技術(shù)領(lǐng)域，所述方法包括對原始數(shù)據(jù)進行預處理，將數(shù)據(jù)分為正常數(shù)據(jù)和缺測不合理數(shù)據(jù)；將原始數(shù)據(jù)中以測風時間為準測風高度全部為正常數(shù)據(jù)的數(shù)據(jù)組輸入到神經(jīng)網(wǎng)絡模塊，建議運算模型，得到輸入和輸出之間的關(guān)系；將與需要修正的缺測不合理數(shù)據(jù)同時間段的正常數(shù)據(jù)作為輸入數(shù)據(jù)，輸入到神經(jīng)網(wǎng)絡模塊中，利用已經(jīng)建立好的運算模型，得到修正好的正確數(shù)據(jù)。本方法解決了當前測風數(shù)據(jù)修正方法中存在的需要大量的原始數(shù)據(jù)、不能對大量的數(shù)據(jù)進行修正等問題。
文檔編號G06N3/02GK102354376SQ201110180388
公開日2012年2月15日 申請日期2011年6月30日 優(yōu)先權(quán)日2011年6月30日
發(fā)明者劉豐, 孫立新, 彭懷午, 杜燕軍, 楊曉峰, 王曉林 申請人:內(nèi)蒙古電力勘測設計院