(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111585752.5 (22)申请日 2021.12.23 (65)同一申请的已公布的文献号 申请公布号 CN 113988481 A (43)申请公布日 2022.01.28 (73)专利权人 南京鼐威欣信息技 术有限公司 地址 210000 江苏省南京市江宁区麒 麟科 技创新园智汇路3 00号 (72)发明人 周鹏　孙礼豹　 (74)专利代理 机构 南京苏创专利代理事务所 (普通合伙) 32273 代理人 王华 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)H02J 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113610665 A,2021.1 1.05 CN 113193556 A,2021.07.3 0 CN 10794716 6 A,2018.04.20 CN 102831475 A,2012.12.19 审查员 王爽 (54)发明名称 一种基于动态矩阵预测控制的风功率预测 方法 (57)摘要 本发明公开了一种基于动态矩阵预测控制 的风功率预测方法， 采用两个以上的初始风功率 预测子模型， 然后采用第一动态矩阵预测控制系 统对两个以上的初始风功率预测子模型的预测 值进行修正， 其次， 通过回声状态神经网络对初 始风功率预测子模型的预测值权重进行动态的 确定， 最后， 再采用第二动态矩阵预测控制系统 对回声状态神经网络的预测值进行修正， 再一次 利用动态矩阵预测控制， 本发明不仅能够避免回 声状态神经网络预测失效， 而且能够很好的减 轻 极端条件下对风功率预测的不准确性带来的影 响， 实现了对风电场站未来的风功率 最优预测。 权利要求书3页 说明书8页 附图1页 CN 113988481 B 2022.05.03 CN 113988481 B 1.一种基于动态 矩阵预测控制的风功率预测方法， 其特 征在于， 包括以下步骤： 步骤1， 采集风电场的历史风速、 地形地貌、 数值天气预报以及历史风功率作为历史数 据集， 并将历史数据集划分为初始风功率历史预测数据集、 回声状态神经网络历史预测数 据集； 步骤2， 根据初始风功率历史预测数据集建立两个以上的初始风功率预测子模型； 根据 初始风功率历史预测数据集得到 时刻第 个初始风功率预测子模型的风功率预测值 ， ， 表示初始风功率预测子模型个数； 步骤3， 将步骤2得到的 时刻第 个初始风功率 预测子模型的风功率 预测值 与检测 到的 时刻处的实际风功率 作比较， 得到初始风功率预测子模型预测误差 ， ； 步骤4， 通过第 一动态矩阵预测控制系统将步骤4得到的初始风功率预测子模型预测误 差 反馈到初始风功率预测子模型的风功率预测值， 对初始风功率预测子模型的风功率 预测值进行反馈校正， 得到初始风功率预测子模型的风功率预测修正值 ， 进而得到初 始风功率预测子模型的风功率预测修正矩阵 ， 表示预测时间； 步骤5， 构建回声状态神经网络， 回声状态神经网络包括依次连接的输入层、 储备池以 及输出层； 训练时， 将步骤4得到的初始风功率预测子模型的风功率预测修正矩阵输入到回声状 态神经网络中， 对回声状态神经网络进 行训练， 其中， 采用最小二乘法估计储备池内部神经 元到输出层内部神经 元的连接 权值矩阵 ， 得到训练好的回声状态神经网络； 步骤6， 将回声状态神经网络历史预测数据集经过步骤2至步骤4处理得到回声状态神 经网络修正集； 将得到的回声状态神经网络修正集输入到训练好的回声状态神经网络中， 得到回声状态神经网络预测值 ； 步骤7， 将步骤6得到的回声状态神经网络预测值 与检测到的 时刻处的实际风功率 作比较， 得到风功率预测误差 ， ； 步骤8， 通 过第二动态矩阵预测控制系统将步骤7得到的风功率预测误差 反馈到 时刻 的回声状态神经网络预测值， 对 时刻的回声状态神经网络预测值的风功率预测值进行反 馈校正， 得到第二次修 正后的 时刻的回声状态神经网络预测修 正值 。 2.根据权利要求1所述基于动态矩阵预测控制的风功率预测方法， 其特征在于： 第 一动 态矩阵预测控制系统的阶跃输入为初始 风功率预测子模型预测误差， 获取对应的风功率单 位阶跃响应的采样数据 ， ， 为第一动 态矩阵预测控制系统的阶跃响应预测模型建模时域， 第一动态矩阵预测控制系统的阶跃响 应预测模型： 权　利　要　求　书 1/3 页 2 CN 113988481 B 2其中， 为在 时刻预测未来 个时刻的在有 个连续的控制增量 ， ，… ，  作用下的风功率预测值输出， 为控制时域长度； 为在 时刻预测未来 个时刻在无控制增量作用下的风功率预测值输出， 为动态矩 阵， 其元素为描述系统动态特性的阶跃响应系数， 为从现在起的未来 个时刻的 控制变量； 在 时刻预测的风功率在无控制增量 作用下在未来 个时刻的输出预测 值为 ； 在 时刻预测的风功率在有控制增量 作用下在未来 个时刻的输出预测 值为 。 3.据权利要求2所述基于动态矩阵预测控制的风功率预测方法， 其特征在于： 第 一动态 矩阵预测控制系统的反馈校正如下： 根据 时刻对风功率值施加控制作用 后， 在  时刻采集到实际输出 与 时刻基于第一动态矩阵预测控制系统的阶跃响 应预测模型的输出 预测值 相比较， 求得实时预测误差 ： 通过对实时预测误差 加权来修正对未来输出的预测， 即: 式中， 为  时刻经误差校正后所预测的 未来 个时刻的预测 风功率，  为误差校正向量， 即对不同时刻的预 测值进行误差校正时所加的权 重系数， 其中, 。 4.根据权利要求3所述基于动态矩阵预测控制的风功率预测方法， 其特征在于： 第 一动 态矩阵预测控制系统的优化 性能指标为： 其中， 表示优化性能指标， 表示跟踪误差的加权系数， 表示在未来 时 刻滚动输出风功率的期望值， 表示控制增量的加权系数。 5.根据权利要求4所述基于动态矩阵预测控制的风功率预测方法， 其特征在于： 所述输 入层： 包括 个输入神经 元；权　利　要　求　书 2/3 页 3 CN 113988481 B 3