[发明专利]一种基于改进GOA优化LSTM的超短期风电功率预测方法与系统

权利要求书

1.一种基于改进GOA优化LSTM的超短期风电功率预测方法，其特征在于，包括以下步骤：

S1：获取风电功率数据并进行预处理，得到若干个分量；针对每一个分量构建对应的输入矩阵，确定每一个分量的训练矩阵和测试矩阵；

S2：针对每一个分量构建独立的LSTM模型；

S3：利用改进后的GOA对每一个分量构建的LSTM模型的隐含层神经元数目h和学习率α进行参数优化，训练得到具有最优参数的LSTM模型；基于该具有最优参数的LSTM模型的风电功率预测数学模型为：

y_i＝f_LSTM(h,α)

h_min≤h≤h_max

α_min≤α≤α_max

式中：h_max是隐含层神经元数目h的上界、α_max是学习率α的上界、h_min是隐含层神经元数目h的下界、α_min是学习率α的下界；

所述的改进后的GOA是通过对GOA的递减系数c采用自适应的递减系数更新机制进行改进、对GOA中蝗虫个体位置的更新引入黄金正弦算子进行改进获得的；

所述参数优化具体步骤包括：

S3.1：初始化相关算法参数；设置蝗虫种群数N、空间维度d、最大迭代次数T_max，空间的上界ub设置为h_max、α_max；空间的下界lb设置为h_min、α_min；当前迭代次数t＝1，生成当前蝗虫所在的空间位置

S3.2：经过LSTM模型训练得到预测值y_i，利用适应度函数fitness得到蝗虫适应度值，并且将当前适应度值最小的蝗虫位置作为最优解保存到变量适应度函数fitness为：

式中，t_i为训练样本实际值；

S3.3：判断当前迭代次数t是否达到最大迭代次数T_max；若达到，则执行S3.5，否则执行S3.4；

S3.4：更新递减系数c，标准化蝗虫之间的距离于[1,4]，引入黄金正弦算子来更新蝗虫的位置，当前迭代次数t＝t+1，计算新的蝗虫适应度值，将新的蝗虫适应度值最小的蝗虫位置与当前最优解进行比较，若优于当前最优解则更新否则执行S3.3；

S3.5：输出并从中提取隐含层神经元数目h和学习率α，得到具有最优参数的LSTM模型；

S4：将每一个分量的测试矩阵输入对应的具有最优参数并且训练好的LSTM模型中得到预测值，将得到的各分量预测值进行聚合获取最终的预测结果。

2.根据权利要求1所述的基于改进GOA优化LSTM的超短期风电功率预测方法，其特征在于，还包括S5：选取风电功率预测中常用的三种评价指标：均方根误差RMSE、平均绝对误差MAE和最大绝对值误差E_max，对S1-S4所述方法的预测性能进行评价。

3.根据权利要求1所述的基于改进GOA优化LSTM的超短期风电功率预测方法，其特征在于，S1中预处理包括：

S1.1：采用CEEMDAN对历史风电功率数据序列进行分解，得到s-1个本征模态函数分量和1个残差分量；

S1.2：对各所述分量采用相关系数法分析变量间的相关关系，筛选出主要子分量，构建对应输入矩阵，并将所有输入矩阵和目标变量规范化为[0,1]，确定每一个分量的训练矩阵和测试矩阵。