[发明专利]基于WD-LA-WRF模型的超短期风功率预测方法

权利要求书

1.一种基于WD-LA-WRF模型的超短期风功率预测方法，其特征在于，包括：

步骤1对数据采集与预处理，采集风电输出功率的六个样本数据，六个样本数据为：风速、风功率、风向、气压、空气密度、温度和地表粗糙度，然后对样本数据进行归一化处理，非数值型数据进行类别特征编码；

步骤2对预处理后的样本数据进行降噪处理，随后与其余的样本数据分别组成各自的样本集进入步骤3，所述其余的样本数据为没有进行降噪处理的样本数据；

步骤3使用狮子算法优化的加权随机森林模型，进行WD-LA-WRF模型训练；

步骤4根据训练好的WD-LA-WRF模型，以测试样本为数据来源，运用步骤3所得到的WD-LA-WRF模型分别进行预测，并对所得结果进行重构，得到最终的预测结果；

所述步骤3分为：

步骤31将模型参数进行随机设定，采用狮子算法对所有的模型参数进行迭代优化，得到较优的模型参数；模型参数为：剪枝阈值ε、决策树棵数L、预测试样本数y和随机特征变量个数m；

步骤32构建加权随机森林模型

加权随机森林模型的输入为风功率的样本数据：风速、风向、温度、相对湿度、气压和地面粗糙度，输出为风电功率；

步骤33使用袋外误差加权随机森林模型对误差进行估计

在用袋外数据测试已生成加权随机森林模型的性能时，将L组袋外数据作为输入，代入已生成的加权随机森林模型，得到L组预测值，并按下式计算袋外误差OOBE：

其中，Y_l代表实际值，代表估计值；

当袋外误差OOBE满足条件时，结束训练，得到随机森林输出结果，即为最终预测结果；

所述步骤31分为：

在步骤311之前，设目标函数为：

min g(x₁,x₂,...,x_n) (14)

其中，n≥1；

步骤311：生成初始狮群

将狮群初始化为2n头狮子并将其平分为两组，得到一个候选种群，其中，公狮子结构为母狮结构为r为解向量的长度；

步骤312：交配

交配步骤引入了基于双概率的交叉方式；在交叉方式中，生成的A^m和A^f通过交配产生新的幼崽u表示幼崽个数，通过和随机选择两个交叉点进行双概率交叉可以生成四只幼仔群

变异操作以概率p进行随机变异,产生幼崽交叉和变异均完成后，幼崽种类数为8个；

聚类使用K-means方法将已有的8个解集进行性别分组：雄性幼崽(A^m_cub)雌性幼崽(A^f_cub)；

通过测试健康状况，根据每个个体代表的可行解，杀死总数较多一组的瘦小个体，即可行解较小的个体；最终达到更新种群的目的；

步骤313：领土防御

在领土防御过程中，随机初始化游动狮子ψ^nomad，将其作为新的可行解，使用新解决方案α^nomad攻击雄狮如果新的解决方案更好，则将之与整个狮群的解进行比较，并将取代原来的狮子新的狮子将继续交配，并且原来的狮子和幼仔将被杀死；否则原狮子继续进行领土防御，幼崽长大一岁，直到幼崽成年；

设g(x)是目标函数值，g(α^pride)整个种群的值，计算公式如下：

式中,g(α^male)和g(α^female)分别是雄狮和雌狮的值,和分别是雄性幼崽和雌性幼崽的值,||α^m_cub||代表种群中雄性幼崽的个数，并且age_mat指的是可交配年龄，age_cub指的是雄狮幼崽年龄；

步骤314：领土接管

在领土接管阶段，分别寻找雌狮和雄狮中的最佳解决方案，替代劣质解决方案，进行交配，直到达到终止条件；按照以下标准进行替代:

按照以上标准选择出最好的雄狮和最好的雌狮为雄狮中间变量，为雌狮中间变量；

设η为的育种数，η_strenth为雌狮最优育种能力，通常设定为5，并且，随着狮群的交配行为逐步加一；如果雌狮被替换，则η初始化为0；如果原雌狮被替换回来，η在原基础上累加；

步骤315：整个过程重复迭代直至达成终止条件；

终止条件为：

GEN≥GEN_max

其中GEN为狮群的遗传代数，GEN_max为最大遗传代数；达到终止条件后，选择出的最优狮子作为较优的模型参数输出；

所述步骤32分为：

步骤321、将样本集代入随机森林模型进行计算；

步骤322、在随机森林模型中对每棵决策树进行预测试的权值计算公式更换为：

其中，Y_l代表预测试样本风功率实际值，代表预测试样本风功率估计值；

步骤323、每棵决策树的正确率作为权重，对每棵决策树预测结果进行加权得到最终的预测结果，计算公式如下：

其中，T_l为样本集。