[發明專利]基于LSTM-GA模型的時間序列風能數據預測方法

在審

• 申請號: 202210766632.3
• 申請日: 2022-07-01
• 公開（公告）號: CN115018193A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 張澈;翁存興;徐龍;高征;劉聰;崔源;曹利蒲
• 申請（專利權）人: 北京華能新銳控制技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/12;G06N3/00
• 代理公司: 蘇州國誠專利代理有限公司 32293
• 代理人: 杜丹盛

1.基于LSTM-GA模型的時間序列風能數據預測方法，其特征在于：首先進行數據預處理，將數據集分為歷史風能數值和未來風能值用于訓練；然后使用GA算法對窗口大小和單元數進行解碼，將窗口數據集用于訓練和驗證；輸入時間滯后的數量和隱藏層的數量、規模大小及迭代次數；通過LSTM模型用于訓練和計算驗證集上的誤差；使用GA計算的時間窗口返回當前GA解決方案的適應度分數，利用GA尋得LSTM網絡的最優參數，將優化后的LSTM網絡用于風能數據處理，以得到風能數據的精準預測。

2.如權利要求1所述的基于LSTM-GA模型的時間序列風能數據預測方法，其特征在于，其包括如下步驟：

步驟一、數據預處理，在風能數據輸入預測模型之前，需要對其進行預處理，并將預處理后的數據集劃分成3個集合，即訓練集、驗證集和測試集，輸入風能數據x是預測時間前一周中，每小時的風能數據與相應的溫度、天氣、日照、環境信息的匯總，x＝[x₁,x₂,L,x_n]，輸出時標記數據為待預測時刻的實際風能數據。

采用數據歸一化方法將風能與天氣數據預處理成(1,2)之間的數值，假定歷史風能數據與天氣數據集是m×n的矩陣，則X表示為：

對原始數據集矩陣每一列的數據進行歸一化處理：

式中，與分別為矩陣X每列數據的最小值和最大值，x_ij代表第i個樣本輸入數據的第j個特征；

步驟二、LSTM-GA模型構建，其通過GA算法需找最優參數應用于LSTM網絡訓練，之后進行適應度值評估，判斷為收斂后進行參數優化設定、進行LSTM網絡訓練，結合訓練數據、連通數據集進行測試數據計算、最后到處風能數據預測分析結果；其中訓練數據被選擇用于訓練數據樣本參與基于GA的參數選擇。

3.如權利要求2所述的基于LSTM-GA模型的時間序列風能數據預測方法，其特征在于：其還包括有步驟三，評價標準，其通過計算平均絕對誤差MAE和樣本標準差RMSE，確定LSTM-GA網絡的數據分析性能。

4.如權利要求3所述的基于LSTM-GA模型的時間序列風能數據預測方法，其特征在于，LSTM-GA模型構建中，LSTM網絡訓練中包含了存儲單元、輸入、輸出和遺忘門，單元之間有一個反復的聯系；該單元在隨機時間間隔上傳送“狀態”值，并由單元的每個門執行寫入、讀取和復位操作。除非輸入門允許，否則相關數值不能被存儲在單元格中，在時刻為處的輸入值和存儲單元的候選值的推導公式如下：

i_t＝σ(ω_ix_i+u_ih_t-1+b_i)

式中，w是權重，u是矩陣，b是偏差。遺忘門處理狀態單元的權重，遺忘門的值計算如下：

f_t＝σ(ω_fx_t+u_fh_i-1+b_j)

存儲單元的狀態更新如下：

存儲單元的新狀態有助于確定輸出門的數值：

o_t＝σ(ω_ox_t+u_oh_t-1+v_oC_t+b_o)

LSTM單元的最終輸出值為：