[发明专利]风电功率短期预测方法

权利要求书

1.风电功率短期预测方法，其特征在于，以风速作为输入，采用最小二乘支持向量机的回归模型对风电场的输出功率进行预测，最小二乘支持向量机的回归模型参数采用混沌粒子群算法进行优化。

2.根据权利要求1所述的风电功率短期预测方法，其特征在于，所述的以风速作为输入，采用最小二乘支持向量机的回归模型对风电场的输出功率进行预测，最小二乘支持向量机的回归模型参数采用混沌粒子群算法进行优化具体包括以下步骤：

步骤1：获取数据，并对数据进行归一化处理后作为训练样本；

步骤2：初始化最小二乘支持向量机和混沌粒子群算法的参数；

步骤3：以回归误差平方和最小为目标函数，采用混沌粒子群算法对最小二乘支持向量机的回归模型参数进行优化；

步骤4：将优化的参数代回最小二乘支持向量机的回归模型中，重新进行训练；

步骤5：使用训练好最小二乘支持向量机的回归模型对风电场的输出功率进行预测。

3.根据权利要求2所述的风电功率短期预测方法，其特征在于，所述最小二乘支持向量机的回归模型构建方法包括以下步骤：

采用一个训练样本集(x_i,y_i)，i＝1,2，...，l，x_i是风速，y_i是风电输出功率的实测值，l是训练样本集中数据点集的总数，利用一个非线性映射将样本空间映射到特征空间，并在高维空间中构造最优决策函数：

利用结构风险最小化原则，最小二乘支持向量机的优化目标可表示为：

min12wTw+C12Σi=1lξi2---(2)]]>

其中：w为权值向量，||w||²是模型的复杂度；C为边际系数，控制对误差的惩罚程度；ξ_i是误差向量；b是偏差量；

利用拉格朗日法求解式(2)，可得：

式中：α_i(i＝1,2,…,l)为拉格朗日乘子；

由KKT(Krush-Kuhn-Tucker)条件可知：

通过核函数将(4)转化为线性方程进行求解，选用在回归预测中效果较好的径向基核函数，定义核函数为转化后的线性方程组为：

01...11K(x1,xl)+1C...K(x1,xl)+1C.........1K(x1,xl)+1C...K(x1,xl)+1C×bαi...αl=byi...yl---(5);]]>

用最小二乘法求解上式，得到回归系数α_i和偏差b，便能得到非线性的回归模型：

f(x)=Σi=11αiK(x,xi)+b---(6);]]>

式(6)中，径向基核函数式中σ为核宽度，||x-x_i||为二范数；

最小二乘支持向量机的回归模型为该式中的σ和式(2)中的C采用混沌粒子群算法进行优化。