[發(fā)明專利]基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011181059.7
• 申請日: 2020-10-29
• 公開（公告）號: CN112307672A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計(jì)）人: 顧禹軒;王芳
• 申請（專利權(quán)）人: 上海電機(jī)學(xué)院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06Q10/04;G06Q50/06;G06F113/06
• 代理公司: 上?？剖⒅R產(chǎn)權(quán)代理有限公司 31225
• 代理人: 楊宏泰

1.一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，包括以下步驟：

S1：獲取訓(xùn)練數(shù)據(jù)構(gòu)建訓(xùn)練集，并構(gòu)建BP神經(jīng)網(wǎng)絡(luò)；

S2：初始化BP神經(jīng)網(wǎng)絡(luò)的參數(shù)；

S3：利用布谷鳥算法，對BP神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化，得到優(yōu)化后的參數(shù)；

S4：利用優(yōu)化后的參數(shù)構(gòu)建基于CS-BP神經(jīng)網(wǎng)絡(luò)的風(fēng)功率預(yù)測模型；

S5：利用得到的風(fēng)功率預(yù)測模型進(jìn)行短期風(fēng)功率的預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的訓(xùn)練數(shù)據(jù)包括風(fēng)速、風(fēng)向的余弦值和溫度。

3.根據(jù)權(quán)利要求1所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的BP神經(jīng)網(wǎng)絡(luò)的參數(shù)包括BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。

4.根據(jù)權(quán)利要求3所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的布谷鳥算法的目標(biāo)函數(shù)為BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的適應(yīng)度分析函數(shù)，其表達(dá)式為：

式中，MSE_i為第i個權(quán)值和閾值下的BP神經(jīng)網(wǎng)絡(luò)的均方誤差。

5.根據(jù)權(quán)利要求4所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的步驟S3具體包括：

S31：對布谷鳥算法進(jìn)行參數(shù)初始化；

S32：隨機(jī)選擇一個布谷鳥得到它對應(yīng)的解，該解代表BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值；

S33：通過萊維飛行得到下一個巢穴所在的位置，計(jì)算新巢穴對應(yīng)的權(quán)值和閾值，并通過適應(yīng)度分析函數(shù)對各權(quán)值和閾值進(jìn)行適應(yīng)性分析，與其他每個巢穴中對應(yīng)的權(quán)值和閾值進(jìn)行比較，取得當(dāng)前最佳權(quán)值和閾值；

S34：產(chǎn)生一個隨機(jī)數(shù)r，根據(jù)布谷鳥算法的初始參數(shù)，判斷是否需要更新巢穴位置，若是，則執(zhí)行步驟S35，否則保持巢穴位置不變，并返回執(zhí)行步驟S33；

S35：計(jì)算更新位置后的巢穴對應(yīng)的權(quán)值和閾值，并通過適應(yīng)度分析函數(shù)對各權(quán)值和閾值進(jìn)行適應(yīng)性分析，與其他每個巢穴中對應(yīng)的權(quán)值和閾值進(jìn)行比較，取得當(dāng)前最佳權(quán)值和閾值；

S36：返回執(zhí)行步驟S33，直至達(dá)到設(shè)定的最大迭代次數(shù)，輸出優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。

6.根據(jù)權(quán)利要求5所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的步驟S31具體包括：

設(shè)置巢穴的數(shù)量為n，設(shè)置巢穴被宿主發(fā)現(xiàn)的概率為pa，設(shè)置最大迭代次數(shù)為time，設(shè)置尋優(yōu)范圍為[0,1]。

7.根據(jù)權(quán)利要求6所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的步驟S34中，若隨機(jī)數(shù)r＞巢穴被宿主發(fā)現(xiàn)的概率pa，則判斷為需要更新巢穴位置。

8.根據(jù)權(quán)利要求5所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的對權(quán)值和閾值的適應(yīng)性分析具體包括：

1)更新BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值；

2)將訓(xùn)練數(shù)據(jù)輸入更新后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

3)獲取當(dāng)前權(quán)值和閾值下，BP神經(jīng)網(wǎng)絡(luò)的在訓(xùn)練集誤差；

4)根據(jù)訓(xùn)練集誤差計(jì)算得到當(dāng)前權(quán)值和閾值下的均方誤差；

5)利用均方誤差進(jìn)行適應(yīng)度分析函數(shù)值的計(jì)算，根據(jù)計(jì)算結(jié)果確定當(dāng)前最佳權(quán)值和閾值。

9.根據(jù)權(quán)利要求8所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的適應(yīng)度分析函數(shù)f(x)的值越接近1，代表得到的權(quán)值和閾值越好。

10.根據(jù)權(quán)利要求5所述的一種基于布谷鳥算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測方法，其特征在于，所述的萊維飛行的表達(dá)式為：

x_t+1＝x_t+αLevy(β)

式中，x_t+1為下一個巢穴所在的位置，x_t為當(dāng)前巢穴所在的位置，α為步長縮放因子，Levy(β)為萊維隨機(jī)路徑。