[发明专利]一种风电场短期负荷预测模型的建立方法

摘要

本发明公开了一种风电场短期负荷预测模型的建立方法，分别将参数σ、γ的取值区间进行N等分,将解空间划分成若干个不同的小区域；将M只蚂蚁以一定的分布方式置于各初始区域。初始化蚁群各个参数、蚂蚁的每个位置对应于LSSVM模型的一组参数σ、γ，由参数和样本训练建立LSSVM模型。所有蚂蚁都按照转移概率进行区域间的移动,并引进邻域局部搜索机制,记录当前的最优解及最优函数值。更新第j个区域的邻域吸引强度。若小于预先设定的最大迭代次数,否则输出当前的最优解σ、γ。利用最优参数σ、γ和训练样本建立IACO‑LLSVM预测模型。本发明所建立的模型可以在不同的风电场环境中使用，较强的可应用性。

主权项

一种风电场短期负荷预测模型的建立方法，其特征在于，包括以下步骤：定义目标函数:minf(γ,σ)=Σi=1N(yi-y^i)2s.t.γ∈[γmin,γmax]σ∈[σmin,σmax]---(1)]]>式中，yi为第i个已知样本的输出值，为第i个样本的模型预测输出值；LSSVM参数优化的思想是通过迭代算法搜索一组参数σ、γ，使目标函数达到最小；利用改进蚁群算法IACO来进行优化，具体步骤如下：Step1分别将参数σ、γ的取值区间进行N等分,将解空间划分成若干个不同的小区域；Step2将M只蚂蚁以一定的分布方式置于各初始区域；初始化蚁群各个参数、蚂蚁的每个位置对应于LSSVM模型的一组参数σ、γ，由参数和样本训练建立如式(2)所示LSSVM模型；Step3所有蚂蚁都按照式(3)的转移概率进行区域间的移动,并引进邻域局部搜索机制,记录当前的最优解及最优函数值；Step4按式(4)、(5)更新第j个区域的邻域吸引强度；Step5若小于预先设定的最大迭代次数,则重新设置蚂蚁在各区域内的位置并转到步骤3，否则输出当前的最优解σ、γ；Step6利用最优参数σ、γ和训练样本建立IACO‑LLSVM预测模型；f(x)=Σi=1lαiK(x,xi)+b---(2)]]>τ(j)＝(1‑ρ(t))*τ(j)+Δτ(j)                             (3)Δτ(j)=C/Lmin,Lij∈Lmin-C/Lmax,Lij∈Lmax0,else---(4)]]>ρ(t)=θ·ρ(t-1),θρ(t-1)≥ρmin,ρmin,otherwise---(5).]]>