對測風數據進行補缺修正的方法
2023-09-20 22:08:15
專利名稱：對測風數據進行補缺修正的方法
技術領域：
本發明涉及風資源分析技術領域，尤其涉及一種對測風數據進行補缺修正的方法。
背景技術：
風資源分析的最基礎依據是測風塔的測風資料，但是測風塔的原始數據經常出現缺測，同時存在一定數量的不合理數據，而對缺測數據和不合理數據進行修補的準確與否， 直接影響到後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據的修正是必要的，修正的準確與否是至關重要的。缺測不合理數據包括缺測數據以及不合理數據其中，缺測數據是全部測風數據中，實際測量時未測得的本應測量的數據；不合理數據是根據國標標準對測風數據進行合理性判斷後，得出的不合理數據。當前，對測風數據修正的方法有替換法、相關法、以及切變法等。在對測風數據進行補缺修正的過程中，替換法較為簡單，只適用於缺失少量數據的情況，數據量大的情況下，缺乏依據性；採用相關法進行修正，需要大量的原始數據來提高修正的準確性；並且切變法同樣存在上述問題。人工神經網絡(Artificial Neural Networks，ANN)系統是20世紀40年代後出現的，它由眾多的神經元可調的連接權值連接而成，具有大規模並行處理、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、智能控制及系統建模等領域得到越來越廣泛的應用。神經網絡能夠學習和存貯大量的輸入-輸出模式映射關係，而無需事前揭示描述這種映射關係的數學方程，它的學習規則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。圖1是神經網絡模型拓撲結構圖。 如圖1所示，神經網絡模型拓撲結構包括輸入層(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，數據從輸入層進入神經網絡系統，在隱層進行運算，將結果輸出到輸出層。
發明內容
本發明針對當前測風數據修正方法中存在的例如需要大量的原始數據、不能對大量的數據進行修正等問題，提出了一種對測風數據進行補缺修正的方法，將神經網絡系統作為一個運算模塊，有效地提高了修正的準確率，減少了誤差率。本發明提出的對測風數據進行補缺修正的方法包括步驟一對原始數據進行預處理，將數據分為正常數據和缺測不合理數據；步驟二 將原始數據中以測風時間為準測風高度全部為正常數據的數據組輸入到神經網絡模塊，建議運算模型，得到輸入和輸出之間的關係；步驟三將與需要修正的缺測不合理數據同時間段的正常數據作為輸入數據， 輸入到神經網絡模塊中，利用已經建立好的運算模型，得到修正好的正確數據。根據本發明所提出的方法的另一方面，步驟一具體包括將原始數據輸入計算機， 通過依據國際標準建立的公式來判定所輸入的原始數據是正常數據還是缺測不合理數據。
根據本發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據的數據組中正常數據所對應的測風高度， 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據的數據組中缺測不合理數據所對應的測風高度。
圖1是人工神經網絡模型拓撲結構圖；圖2是根據本發明對測風數據進行補缺修正的方法流程圖；圖3是採用本發明對測風數據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明進行描述，並不限定本發明的範圍。圖2示出了根據本發明對測風數據進行補缺修正的方法流程。如圖2所示，本發明利用神經網絡技術對缺測不合理數據進行修正，其具體過程如下1、對原始數據進行預處理，將數據分為兩部分，分別為正常數據，缺測不合理數據在上述對原始數據進行預處理階段，所採用的判別標準為國標標準，確定要修正的缺測不合理數據，所採用的具體方法為將原始數據輸入計算機，通過依據國際標準建立的公式來判定所輸入的原始數據是否為缺測不合理數據；2、以測風時間為準，將各測風高度全部為正常數據的數據組輸入到神經網絡模塊，並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係人工神經網絡由非線性函數f組成，而f由一系列不同權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，\是輸入變量，為隱層函數的權值，m為輸入變
量的個數，隱層函數運算的結果作為輸出層函數的輸入值，^i)代表輸出值，Ai為輸出層函數的權值，1為中間層的個數。以實測風速與預測風速的最小平方差作為目標函數，訓練網絡，尋找最優的權值 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為訓練數據個數；在確定最優的權值aij以及Ai之後，從而確定輸入輸出函數的關係，預測時刻t時的風速，具體運算過程中，將正常數據組輸入公式一，以公式二為目標，尋找並確定最優權值 」以及Ai,建立運算模型。3、將與需要修正的缺測不合理數據同時間段的正常數據作為輸入數據，輸入到神經網絡模塊中，利用已經建立好的運算模型，從而得到修正好的正確數據。
圖3示出了根據本發明對測風數據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，根據判斷可知，劃線數據(風速數據)為不合理數據， 其他數據為正常數據；將2007-01-04 12:00到16:00數據組輸入到神經網絡模塊，運算以建立70m，50m以及30m，IOm之間的輸入輸出關係(具體關係式取決於運算確定的最優權值 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數據作為輸入數據，得出30m，IOm相應的輸出結果，如圖3中的斜體所示，該輸出結果即為修正後的數據。本發明提出了一種對測風數據進行補缺修正的方法，該方法採用神經網絡技術， 其不僅不需要大量的原始數據，而且能對大量的數據進行修正，有效的提高了修正的準確率，減少了誤差率。雖然本發明採用上述具體實施例對所提出的方法進行了描述，但本領域技術人員應當理解，所作出的描述僅為說明的目的，並不作為對本發明的限制，為了適應不同的實際情況，一些相應的修改是合理的並不超出本發明所要求保護的範圍。
權利要求
1.一種對測風數據進行補缺修正的方法，特徵在於該方法包括步驟一對原始數據進行預處理，將數據分為正常數據和缺測不合理數據； 步驟二 將原始數據中以測風時間為準測風高度全部為正常數據的數據組輸入到神經網絡模塊，建議運算模型，得到輸入和輸出之間的關係；步驟三將與需要修正的缺測不合理數據同時間段的正常數據作為輸入數據，輸入到神經網絡模塊中，利用已經建立好的運算模型，得到修正好的正確數據。
2.如權利要求1所述的對測風數據進行補缺修正的方法，其特徵在於步驟一具體包括將原始數據輸入計算機，通過依據國際標準建立的公式來判定所輸入的原始數據是正常數據還是缺測不合理數據。
3.如權利要求1所述的對測風數據進行補缺修正的方法，其特徵在於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據的數據組中正常數據所對應的測風高度，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據的數據組中缺測不合理數據所對應的測風高度。
全文摘要
提出了一種對測風數據進行補缺修正的方法，屬於風資源分析技術領域，所述方法包括對原始數據進行預處理，將數據分為正常數據和缺測不合理數據；將原始數據中以測風時間為準測風高度全部為正常數據的數據組輸入到神經網絡模塊，建議運算模型，得到輸入和輸出之間的關係；將與需要修正的缺測不合理數據同時間段的正常數據作為輸入數據，輸入到神經網絡模塊中，利用已經建立好的運算模型，得到修正好的正確數據。本方法解決了當前測風數據修正方法中存在的需要大量的原始數據、不能對大量的數據進行修正等問題。
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 優先權日2011年6月30日
發明者劉豐, 孫立新, 彭懷午, 杜燕軍, 楊曉峰, 王曉林 申請人:內蒙古電力勘測設計院