[发明专利]基于改进AFSA优化ELM的短期风电功率预测方法

摘要

本发明公开了一种基于改进AFSA优化ELM的短期风电功率预测方法，包括以下步骤，随机产生人工鱼初始群体，将极限学习机网络的权值和阈值作为人工鱼群的位置向量，由极限学习机的均方根误差函数确定人工鱼群的食物浓度，由改进人工鱼群方法求得最优位置向量，并将次位置向量作为极限学习机网络的初始权值和阈值，在用于短期风电功率的预测。本发明在短期风电功率预测中具有收敛速度快，泛化能力强，预测精度高的特点，具有良好的应用前景。

主权项

1.基于改进AFSA优化ELM的短期风电功率预测方法，其特征在于：包括以下步骤，步骤(A)，确定极限学习机网络的输入向量和输出向量：采用单一风速作为极限学习机网络的输入向量，输入向量为I＝[I₁,I₂,…,I_M]，输出向量为y＝F(I)，其中，I为风速、M为输入的风速个数；步骤(B)，定义人工鱼群的食物浓度：将极限学习机网络的均方根误差函数的倒数作为人工鱼群的食物浓度；步骤(C)，初始化人工鱼群：选取N条人工鱼构成人工鱼群，其中每个人工鱼都是D维向量，包括代表极限学习机网络的输入权值ω_ij、输出权值ω_io、输入节点阈值b_ki和输出节点阈值b_ko；步骤(D)，初始化人工鱼群的位置向量：某一条人工鱼的当前位置向量X＝(x₁,x₂…x_N)和在某一时刻视点所在的位置向量步骤(E)，根据公式(1)调整第k+1和第k次迭代的视野和步长的关系，其中，g(k)为调整因子、m为调整因子的调整幅度、r为迭代总次数，k为第k次迭代，某一条人工鱼的当前位置向量X＝(x₁,x₂…x_N)，该人工鱼的视野范围为visual，某一时刻视点处所在的位置向量若视点处的食物浓度高于当前位置的食物浓度，则向视点方向移动一步，到达位置X_next；若视点处的食物浓度不比当前位置的食物浓度高，则返回公式(1)继续寻找视野内的其他位置，直到到达位置X_next，完成人工鱼群的改进；步骤(F)，根据步骤(B)‑步骤(E)所述的改进人工鱼群算法优化步骤(A)的极限学习机网络，得到基于改进人工鱼群算法的极限学习机网络对短期风电功率进行预测。