[发明专利]基于并行分子运动PSO的太阳辐射预测资料同化算法

说明书

本发明公开了一种基于并行分子运动PSO的太阳辐射预测资料同化算法，包括步骤：一：初始化算法参数；二:初始化读写同步锁，根据分组数依次创建线程，并将算法参数，各分组粒子数和最大迭代次数分配给各个线程；三：分线程随机初始化组内粒子；四：计算资料同化代价函数；五：分组线程获取读写同步锁；六：更新全局最优解；七：分组线程释放读写同步锁；八：按分子运动论PSO算法更新粒子速度，更新粒子位置；九：判断该分组是否到达最大迭代次数，满足条件则结束该分组线程；十：等待各分组线程结束，输出结果。本发明在提高时效性的同时，通过粒子间交流的增强，维持同化精度。

技术领域

本发明涉及太阳能辐射预测及资料同化和粒子群优化算法技术领域，具体地指一种基于并行分子运动PSO的太阳辐射预测资料同化算法。

背景技术

近年来，随着太阳能作为新能源带动光伏发电被广泛应用，质量高的光伏发电预测成为了一种需求，利用MM5模式即近年来由美国大气研究中心和美国滨州大学联合研制发展起来的中尺度数值预报模式是一热门手段。MM5中的资料同化是一种为数值预报模式提供高质量初值的方法，其中变分同化问题是一个非线性最优化问题，由于计算量太大、模式复杂及同化结果依赖于初猜值的选取，对于算法的收敛性、精确性均有很高的要求。

随着搜索算法在资料同化应用上的日渐成熟，大量优化方案层数不穷。其中，PSO方案相对于前人的多项式插值、逐步订正、卡尔曼滤波和集合卡尔曼滤波等方法不仅能产生高质量的同化结果，也拥有更强的鲁棒性。

然而，粒子群在特定同化过程中所达到的精度还远远不够；其次，由于缺乏对粒子个数的有效把控，同化过程中粒子迭代次数过多，导致耗费时间冗长，这些都是大多数智能优化算法在资料同化的应用上研究解决的重点。

发明内容

本发明的目的是为了解决上述背景技术存在的不足，而提出的一种基于并行分子运动PSO的太阳辐射预测资料同化算法，在提高时效性的同时，通过粒子间交流的增强，维持同化精度。

为实现上述目的，本发明所设计的基于并行分子运动PSO的太阳辐射预测资料同化算法，其特殊之处在于，所述算法包括如下步骤：

步骤一：初始化算法参数，设定种群规模，分组数和各分组的最大迭代数；

步骤二：初始化读写同步锁，根据分组数依次创建线程，并将算法参数，各分组粒子数和最大迭代次数分配给各个线程；

步骤三：分线程随机初始化组内粒子；

步骤四：计算分组线程每个粒子的资料同化代价函数，如果粒子最优解优于当前组内最优解则更新组内最优解并转步骤五，否则转步骤八；

步骤五：分组线程获取读写同步锁；

步骤六：如果组内最优解优于当前全局最优解，则更新全局最优解；

步骤七：分组线程释放读写同步锁；

步骤八：分组线程计算群质心坐标，并通过粒子与群质心的距离调整粒子的加速度，更新粒子速度，组内迭代数加一；

步骤九：分组线程判断该分组是否到达该线程设定的最大迭代次数，如果满足条件之一，则结束该分组线程，否则，转步骤四；

步骤十：等待各分组线程结束，输出结果。

优选地，所述步骤八中群质心坐标的计算公式为：

式中，q_cen为群质心坐标，M为粒子总数，为第i个粒子第k代的坐标。