[发明专利]一种动态风速预测模型建立方法

权利要求书

1.一种动态风速预测模型建立方法，其特征在于，包括以下步骤：

S1)获取目标区域的实测风速数据，并对实测风速数据进行预处理；

S2)将预处理后的实测风速数据分为风速训练集、风速测试集和风速检验集，利用多种预测算法对风速训练集进行训练，并对风速测试集进行预测，得到多种风速预测模型，构成Q学习模型集；

S3)在Q学习模型集中添加风速波动情况和属性因素，通过Q强化学习算法选出每时段的最佳风速预测模型，得到初步的风速预测数据，并根据初步的风速预测数据以及对应的实测风速数据计算出风速预测误差；

S4)基于风速预测误差构建误差Q学习模型库，通过Q强化学习算法在误差Q学习模型库中选出最佳风速预测误差模型以修正初步的风速预测值，得到最终的风速预测数据。

2.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，步骤S1)中所述对实测风速数据进行预处理是指采用相邻数据互补法替换实测风速数据中缺失及异常的数值。

3.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，所述方法在步骤S4)之后还包括：

S5)利用所述风速检验集验证所述最佳风速预测误差模型的有效性。

4.根据权利要求3所述的动态风速预测模型建立方法，其特征在于，验证所述最佳风速预测误差模型的有效性选取了均方误差ε₁、相对误差ε₂和决定系数R²三种评价指标对最终的风速预测数据进行评价，计算公式分别如下：

其中：x_t、y_t、分别为t时刻的实测风速值、最终的预测风速值、实测风速平均值、最终的预测风速平均值。

5.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，步骤S2)中所述Q学习模型集中采用的多种预测算法为5种，包括LSTM、XGBoost、SVR、BP神经网络和KRR的学习算法。

6.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，步骤S4)中所述误差Q学习模型库中采用的多种预测算法为5种，包括SVR、BP神经网络、GKRR、PKRR和MHKRR的学习算法。

7.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，步骤S3)中中所述风速预测误差的计算公式如下：

式中：为风速预测误差，x为实测风速值，为初步的风速预测值。

8.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，步骤S4)中所述最终的风速预测数据的计算公式如下：

式中：y为最终的风速预测值，为初步的风速预测值，为修正的风速预测误差。

9.根据权利要求1所述的动态风速预测模型建立方法，其特征在于，步骤S3)中和步骤S4)中所述Q强化学习算法采用误差和模型排名混合的奖励函数，奖励函数的计算公式如下：

式中：R(s,a)为奖励函数；S为状态空间，S＝{s₁,…,s_I,·…,s_N}，s_I为当前风速预测模型，N为风速预测模型的数量；A为动作空间，A＝{a₁,…,a_J,…,a_N}，a_J为在下一个预测时间步长从当前风速预测模型切换到下一风速预测模型的动作；RANK(M_I,t)和RANK(M_I,t+1)分别为第t时刻、第t+1时刻风速预测模型M_I的排名；TIME(M_I,t)和TIME(M_I,t+1)为第t时刻、第t+1时刻风速预测模型M_I的计算时间；α、β为权重系数，且满足α+β＝1。