[發(fā)明專利]一種基于組合核函數(shù)的風(fēng)電場(chǎng)超短期風(fēng)速預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210567346.0
• 申請(qǐng)日: 2012-12-24
• 公開(kāi)（公告）號(hào): CN103065202B
• 公開(kāi)（公告）日: 2013-04-24
• 發(fā)明（設(shè)計(jì)）人: 凡時(shí)財(cái);鄒見(jiàn)效;徐紅兵;李文茹
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 溫利平

1.一種基于組合核函數(shù)的風(fēng)電場(chǎng)超短期風(fēng)速預(yù)測(cè)方法，其特征在于，包括 以下步驟：

(1)、采集風(fēng)電場(chǎng)的風(fēng)速數(shù)據(jù)，按照時(shí)間順序排列成風(fēng)速的時(shí)間序列數(shù)據(jù) X，時(shí)間序列表達(dá)式為：

X＝{x_t,t＝1,2,…,N.}

其中，N為風(fēng)速時(shí)間序列的個(gè)數(shù)；

(2)、風(fēng)速時(shí)間序列X的自相關(guān)度計(jì)算公式為：

rD=1(N-D)s2Σt=DN(xt-μ)(xt-D-μ)]]>

其中，r_D為自相關(guān)度，0≤r_D≤100％，μ和s分別為風(fēng)速時(shí)間序列的均值和 標(biāo)準(zhǔn)差，D為嵌入維度，即選擇的特征的個(gè)數(shù)；

設(shè)定一個(gè)自相關(guān)度的值r_T，計(jì)算嵌入維度D；

(3)、對(duì)風(fēng)速時(shí)間序列X進(jìn)行歸一化處理，換算為[0,1]的范圍內(nèi)的相對(duì)風(fēng) 速，歸一化處理公式為：

x~t=N(xt-x‾)Σt=1N(xt-x‾)]]>

其中，為歸一化后的時(shí)刻t的相對(duì)風(fēng)速，為風(fēng)速時(shí)間序列X的平均值， N為風(fēng)速時(shí)間序列的個(gè)數(shù)；

(4)、支持向量機(jī)模型的訓(xùn)練樣本輸入序列為時(shí)刻t前的歷史風(fēng)速序列，訓(xùn) 練樣本輸出為t時(shí)刻的風(fēng)速，根據(jù)嵌入維度D得到訓(xùn)練樣本輸入矩陣P：

P=x~1,···,x~D-2,x~D-1,x~Dx~2,···,x~D-1,x~D,x~D+1························x~t-D,x~t-D+1,x~t-1························x~N-D,···,x~N-3,x~N-2,x~N-1=P1P2···Pt-D···PN-D]]>

輸入矩陣P為n×D階矩陣，其中，n＝N-D+1，行向量P_i,1≤i≤n表示時(shí)刻D+i 的歷史風(fēng)速序列，即訓(xùn)練樣本輸入序列，每個(gè)元素p_il,1≤i≤n,1≤l≤D表示時(shí) 刻i+l-1的風(fēng)速；

訓(xùn)練樣本輸出矩陣Q：

Q=x~D+1x~D+2···x~t···x~N=q1q2···qt-D···qN-D]]>

訓(xùn)練樣本的輸出矩陣Q為n×1階矩陣，q_i,1≤i≤n表示時(shí)刻D+i的風(fēng)速；

(5)、對(duì)每個(gè)訓(xùn)練樣本輸入序列P_i,1≤i≤n，按照時(shí)間順序比較風(fēng)速時(shí)間序列 所有時(shí)刻的值的大小，如果某一時(shí)刻的值比其前后兩個(gè)時(shí)刻的值都要大或者小， 那么記錄此值為風(fēng)速時(shí)間序列的一個(gè)極值點(diǎn)，同時(shí)記錄此點(diǎn)在風(fēng)速時(shí)間序列中 的時(shí)刻，利用此方法可以找出風(fēng)速時(shí)間序列上所有極值點(diǎn)集合 H＝{h_m,m＝1,2,…,M.}和相應(yīng)極值點(diǎn)的時(shí)刻集合U_m＝{u_m,m＝1,2,…,M.}，M為極值點(diǎn) 的個(gè)數(shù)；

極值點(diǎn)將風(fēng)速時(shí)間序列劃分為線性分段，每個(gè)線性分段的斜率I_m為： 此線性分段的點(diǎn)在所有點(diǎn)中所占的比重ω_m為： 建立風(fēng)速時(shí)間序列相似特征I的分段線性表 示為：

I=Σm=1MImωm]]>

設(shè)定閾值τ,τ＞0，當(dāng)I≥τ，風(fēng)速時(shí)間序列呈下降趨勢(shì)；當(dāng)-τ＜I＜τ，風(fēng)速時(shí)間 序列呈平緩趨勢(shì)；當(dāng)I≤-τ，風(fēng)速時(shí)間序列呈上升趨勢(shì)；據(jù)此可將訓(xùn)練樣本輸入 序列P_i,1≤i≤n分為上升、平緩、下降三類；

(6)、小波核函數(shù)參數(shù)尋優(yōu)，小波核函數(shù)表達(dá)式為：

K(pi,pj)=Πl=1Dh(pil-pjla),1≤i,j≤n]]>

其中，a與k為可調(diào)參數(shù)；

求出參數(shù)a與k的最優(yōu)取值，得到小波核函數(shù)；

(7)、建立組合核函數(shù)，組合核函數(shù)的公式為：

K(pi,pj)=ρ1((pi·pj)+1)d+ρ2Πl=1Dh(pil-pjla),1≤i,j≤n]]>

其中，參數(shù)d由用戶設(shè)置，ρ₁與ρ₂為組合系數(shù)；

求出ρ₁與ρ₂的最優(yōu)取值，得到組合核函數(shù)；

(8)、以訓(xùn)練樣本輸入矩陣P作為組合核函數(shù)支持向量機(jī)模型的輸入，以訓(xùn) 練樣本輸出矩陣Q作為支持向量機(jī)模型的輸出f(P)，根據(jù)相似特征分類進(jìn)行模型 訓(xùn)練，可得到三個(gè)支持向量機(jī)模型f_上升，f_平緩，f_下降；

(9)、將預(yù)測(cè)樣本輸入訓(xùn)練得到的支持向量機(jī)模型，計(jì)算預(yù)測(cè)樣本的風(fēng)速 時(shí)間序列相似特征I_{預(yù)測(cè)}，當(dāng)I_{預(yù)測(cè)}≥τ，預(yù)測(cè)樣本風(fēng)速時(shí)間序列呈上升趨勢(shì)，采用支 持向量機(jī)模型f_上升預(yù)測(cè)風(fēng)速；當(dāng)-τ＜I_{預(yù)測(cè)}＜τ，預(yù)測(cè)樣本風(fēng)速時(shí)間序列呈平緩趨勢(shì)， 采用支持向量機(jī)模型f_平緩預(yù)測(cè)風(fēng)速；當(dāng)I_{預(yù)測(cè)}≤-τ，預(yù)測(cè)樣本風(fēng)速時(shí)間序列呈下降 趨勢(shì)，采用支持向量機(jī)模型f_上升預(yù)測(cè)風(fēng)速。