[發(fā)明專(zhuān)利]一種風(fēng)電場(chǎng)短期風(fēng)速組合預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310370572.4
• 申請(qǐng)日: 2013-08-22
• 公開(kāi)（公告）號(hào): CN103400052B
• 公開(kāi)（公告）日: 2017-02-08
• 發(fā)明（設(shè)計(jì)）人: 胡志堅(jiān);王賀
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/06
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)42222
• 代理人: 魯力

1.風(fēng)電場(chǎng)短期風(fēng)速組合預(yù)測(cè)方法，其特征在于：包括以下步驟：

步驟1、從風(fēng)電場(chǎng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)中進(jìn)行數(shù)據(jù)提取并記錄，并保存歷史風(fēng)速序列數(shù)據(jù)；

步驟2、對(duì)步驟1中所提取的風(fēng)速序列進(jìn)行聚類(lèi)經(jīng)驗(yàn)?zāi)B(tài)分解，得到兩個(gè)以上的子序列和一個(gè)余量；

步驟3、對(duì)步驟2中聚類(lèi)經(jīng)驗(yàn)?zāi)B(tài)分解得到的各子序列分別建立最小二乘支持向量機(jī)模型，采用自適應(yīng)擾動(dòng)粒子群算法和學(xué)習(xí)效果反饋對(duì)影響最小二乘支持向量機(jī)模型預(yù)測(cè)效果的三個(gè)參數(shù)進(jìn)行綜合選取，該影響最小二乘支持向量機(jī)預(yù)測(cè)效果的三個(gè)參數(shù)分別是模型輸入維數(shù)和兩個(gè)超參數(shù)；

步驟4、對(duì)各子序列根據(jù)最小二乘支持向量機(jī)的學(xué)習(xí)效果選用最優(yōu)參數(shù)進(jìn)行預(yù)測(cè)，并將各子序列的預(yù)測(cè)結(jié)果進(jìn)行疊加，得到風(fēng)速預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種短期風(fēng)速組合預(yù)測(cè)方法，其特征在于：所述步驟2中，對(duì)采集的風(fēng)速序列進(jìn)行聚類(lèi)經(jīng)驗(yàn)?zāi)B(tài)分解包括以下三個(gè)步驟：

步驟2.1、向風(fēng)速序列中加入白噪聲序列；加入的白噪音信號(hào)服從(0，(αε)²)的正態(tài)分布，其中ε為信號(hào)的標(biāo)準(zhǔn)差，α為噪音的強(qiáng)度參數(shù)；然后使用經(jīng)驗(yàn)?zāi)B(tài)分解將加入白噪聲的風(fēng)速序列分解為若干個(gè)子序列和一個(gè)余量；

步驟2.2、重復(fù)步驟1共n次，每次隨機(jī)加入服從(0，(αε)²)的正態(tài)分布的白噪聲序列，其中ε為信號(hào)序列的標(biāo)準(zhǔn)差，α為序列的強(qiáng)度參數(shù)；

步驟2.3、將n次分解得到的若干個(gè)子序列分別求整體平均，得到原信號(hào)的若干個(gè)最終子序列。

3.根據(jù)權(quán)利要求1所述的一種短期風(fēng)速組合預(yù)測(cè)方法，其特征在于：所述步驟2中，所述步驟3中，采用自適應(yīng)擾動(dòng)粒子群算法和模型學(xué)習(xí)效果反饋優(yōu)化最小二乘支持向量機(jī)的具體步驟如下：

基于定義：風(fēng)速做為一組隨機(jī)序列，下一時(shí)刻的風(fēng)速與之前m個(gè)序列相關(guān)，即對(duì)于t時(shí)刻風(fēng)速x(t)，與之前m個(gè)時(shí)刻的風(fēng)速有關(guān)，即存在這樣的關(guān)系：x(t)=f(x(t-1)，x(t-2)，…，x(t-m))，定義3≤m≤12，即下一時(shí)刻的風(fēng)速與之前3到12個(gè)時(shí)刻的風(fēng)速序列數(shù)據(jù)有關(guān)，則綜合選取過(guò)程如下：

步驟3.1、初始化參數(shù)并設(shè)定最大迭代次數(shù)，包括粒子群算法的參數(shù)和初始化輸入維數(shù)3，初始化的粒子群參數(shù)包括：種群規(guī)模m，維數(shù)D，權(quán)重系數(shù)w_max和w_min，加速常數(shù)c₁和c₂，最大進(jìn)化代數(shù)T_max以及適應(yīng)度方差閥值；

步驟3.2、基于自適應(yīng)擾動(dòng)粒子群算法優(yōu)化最小二乘支持向量機(jī)模型；

步驟3.3、對(duì)優(yōu)化后的模型，以訓(xùn)練數(shù)據(jù)均方差為標(biāo)準(zhǔn)檢驗(yàn)?zāi)Ｐ蛯W(xué)習(xí)效果；

步驟3.4、判斷是否結(jié)束，即是否達(dá)到最大迭代次數(shù)，是，比較并輸出最佳學(xué)習(xí)效果情況下的維數(shù)及LSSVM超參數(shù)；否，維數(shù)加1并轉(zhuǎn)到步驟3.2；

步驟3.5、以學(xué)習(xí)效果最佳情況下的輸入維數(shù)和LSSVM超參數(shù)建模進(jìn)行風(fēng)速預(yù)測(cè)。