[發明專利]基于并行雙種群PSO的太陽輻射預測資料同化算法

在審

• 申請號: 201910646890.6
• 申請日: 2019-07-17
• 公開（公告）號: CN110490294A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 童亞拉;徐斌;劉力源;董怡琦;郝澤霖;陳科;劉亞東
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06Q10/04;G06Q50/06
• 代理公司: 42104 武漢開元知識產權代理有限公司
• 代理人: 劉琳<國際申請>=<國際公布>=<進入國

本發明公開了一種基于并行雙種群PSO的太陽輻射預測資料同化算法，包括步驟：一：初始化算法參數；二:初始化讀寫同步鎖，根據分組數依次創建線程，并將算法參數，各分組粒子數和最大迭代次數分配給各個線程；三：分線程隨機初始化組內粒子；四：計算資料同化代價函數；五：分組線程獲取讀寫同步鎖；六：更新全局最優解；七：分組線程釋放讀寫同步鎖；八：分組線程計算粒子的擴散能、種群溫度和粒子擴散概率；九：按時變雙重壓縮因子算法更新粒子速度，更新粒子位置；十：判斷該分組是否到達最大迭代次數，滿足條件則結束該分組線程；十一：等待各分組線程結束，輸出結果。本發明利用雙種群增加隨機擾動，增加了種群多樣性，提高了算法精度。

技術領域

本發明涉及太陽能輻射預測及資料同化和粒子群優化算法技術領域，具體地指一種基于并行雙種群PSO的太陽輻射預測資料同化算法。

背景技術

近年來，隨著太陽能作為新能源帶動光伏發電被廣泛應用，質量高的光伏發電預測成為了一種需求，利用MM5模式即近年來由美國大氣研究中心和美國濱州大學聯合研制發展起來的中尺度數值預報模式是一熱門手段。MM5中的資料同化是一種為數值預報模式提供高質量初值的方法，其中變分同化問題是一個非線性最優化問題，由于計算量太大、模式復雜及同化結果依賴于初猜值的選取，對于算法的收斂性、精確性均有很高的要求。

隨著搜索算法在資料同化應用上的日漸成熟，大量優化方案層數不窮。其中，PSO方案相對于前人的多項式插值、逐步訂正、卡爾曼濾波和集合卡爾曼濾波等方法不僅能產生高質量的同化結果，也擁有更強的魯棒性。

然而，粒子群在特定同化過程中所達到的精度還遠遠不夠；其次，由于缺乏對粒子個數的有效把控，同化過程中粒子迭代次數過多，導致耗費時間冗長，這些都是大多數智能優化算法在資料同化的應用上研究解決的重點。

發明內容

本發明的目的是為了解決上述背景技術存在的不足，而提出的一種基于并行雙種群PSO的太陽輻射預測資料同化算法，給出了DPSO(并行雙種群PSO)算法中粒子的擴散能、種群溫度和粒子的擴散概率三個定義擴散機制，并利用這給雙種群增加隨機擾動，增加了種群多樣性，提高了算法的精度。

為實現上述目的，本發明所設計的基于并行雙種群PSO的太陽輻射預測資料同化算法，其特殊之處在于，所述算法包括如下步驟：

步驟一：初始化算法參數，設定種群規模，分組數和各分組的最大迭代數；

步驟二:初始化讀寫同步鎖，根據分組數依次創建線程，并將算法參數，各分組粒子數和最大迭代次數分配給各個線程；

步驟三：分線程隨機初始化組內粒子，并將每個線程中的粒子隨機平均分為A、B兩個種群；

步驟四：計算分組線程每個粒子的資料同化代價函數，如果粒子最優解優于當前組內最優解則更新組內最優解并轉步驟五，否則轉步驟八；

步驟五：分組線程獲取讀寫同步鎖；

步驟六：如果組內最優解優于當前全局最優解，則更新全局最優解；

步驟七：分組線程釋放讀寫同步鎖；

步驟八：分組線程計算粒子的擴散能、種群溫度和粒子擴散概率，采用雙種群PSO算法分別對種群A、B中的每一個粒子進行判定是否放入到擴散池中，輸出種群A和B的全局極值和中的最優者；

步驟九分組線程更新粒子位置和速度，組內迭代數加一；

步驟十：分組線程判斷該分組是否到達該線程設定的最大迭代次數，如果滿足條件之一，則結束該分組線程，否則，轉步驟四；

步驟十一：等待各分組線程結束，輸出結果。