[發明專利]一種用于風力發電的短期風速預報方法

有效

• 申請號: 201711371556.1
• 申請日: 2017-12-19
• 公開（公告）號: CN107844872B
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 張貴;丁云飛
• 申請（專利權）人: 上海電機學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 張美娟

1.一種用于風力發電的短期風速預報方法，其特征在于，首先采用CM-kNN算法,找到與被測風速樣本點最相似的k個風速樣本，再利用支持向量機對訓練樣本進行短期風速預報建模，最后根據從預測模型得到的若干風速預測值，來預測當前的風速，

該方法的還包括：

(1)運用CM-kNN算法，對風速樣本點進行預處理，具體操作步驟為：

a1)用訓練樣本X去重構每一個測試樣本Y,采用最小二乘損失函數來表示殘差和，并產生稀疏的解W，如下式：

W＝[w1,...,wm]表示訓練樣本和測試樣本之間的重構系數或者相似性矩陣，L1-范數正則項R₁(W)＝||W||₁＝∑_i∑_j|w_ij|，已經被證明可W產生稀疏的解W；

a2)去除樣本中存在的噪聲，考慮L2，1-范數正則項，在重構過程中使W產生整行稀疏，也即行稀疏，定義如下：

a3)通過局部保持投影(LPP)保證樣本間的局部鄰近性不變,其正則項R₃＝Tr(W^TX^TLXW)；

CM-kNN算法的最優目標函數(1)定義如下：

通過實驗不斷調整參數ρ₁，ρ₂，ρ₃，得到最終的系數矩陣W,從而確定k值；

(2)利用支持向量機對訓練樣本進行建模，其具體操作步驟如下：

b1)建立訓練樣本的支持向量機模型可表示為：

其中，ω是模型參數即權重向量，是從輸入空間到高維空間的非線性特征映射，b是殘差項；

b2)引入拉格朗日乘子λ_i后，基于SVM的預測模型變為：

其中，核函數K采用高斯徑向基核函數形式：

K(x,x_i)＝exp(-||x-x_i||²/σ²)

其中，xi(i＝1,2，3…,N)為輸入訓練樣本，σ為核函數參數；

(3)將最優預測值輸出。