[发明专利]一种风电功率预测方法及其装置

权利要求书

1.一种风电功率预测方法，其特征在于，包括以下步骤：

步骤1、数据提取模块从数值天气预报系统或者电力系统相关SCADA中进行数据提取，对提去后的数据进行预处理；并根据处理后的数据确定最小二乘支持向量机训练样本的输入和输出；

步骤2、数据初始化模块对步骤1中初始化最小二乘支持向量机及改进的自适应粒子群算法的参数；

步骤3、优化模块以回归误差平方和最小为适应度，使用改进自适应粒子群算法基于步骤2中初始化后参数对最小二乘支持向量机的回归模型参数进行优化；

步骤4、模型建立模块根据步骤3中优化后的参数得到最小二乘支持向量机的模型；

步骤5、预测模块根据步骤4中得到的最小二乘支持向量机的模型进行预测。

2.根据权利要求1所述的一种风电功率预测方法，其特征在于，所述的步骤1中，所述的步骤1中，提取数据包括风速、温度以及风电场实测输出功率数据，所述风速、温度作为最小二乘支持向量机训练样本的输入数据；所述风电场实测输出功率作为最小二乘支持向量机训练样本的输出数据。

3.根据权利要求1所述的一种风电功率预测方法，其特征在于，所述步骤2中，在确定了训练最小二乘支持向量机模型的输入和输出以后，进行模型优化的前提是模型参数和优化算法参数的初始化，初始化主要有以下三步:

步骤2.1、首先确定最小二乘支持向量机的惩罚参数γ和核参数σ²范围；

步骤2.2、其次确定自适应粒子群算法的相关参数；

步骤2.3、在最小二乘支持向量机的惩罚参数γ和核参数σ²范围内随机初始化粒子群。

4.根据权利要求1所述的一种风电功率预测方法，其特征在于，所述的步骤3中，在参数初始化后，需要设定优化算法的适应度，选择模型回归误差平方和最小为适应度，根据步骤1中选择的训练输入和输出数据，使用改进的自适应粒子群算法优化最小二乘支持向量机的相关参数，步骤如下：

步骤3.1、初始化粒子群参数；

步骤3.2、计算自适应权重；

步骤3.3、以回归误差平方和最小为适应度，计算并比较适应度值；

步骤3.4、更新速度和位置；

步骤3.5、判断终止条件，满足则输出优化结果，不满足则重复步骤3.2至步骤3.4。

5.根据权利要求1所述的一种风电功率预测方法，其特征在于，所述步骤4中，在使用改进的自适应粒子群算法得到最小二乘支持向量机的参数后，根据最小二乘支持向量机算法和训练样本求解出最下二乘支持向量机回归模型中的参数α_i和b，然后将求解得到的参数带入回归函数式（7）中，从而构建出风电功率预测的最小二乘支持向量机模型。

6.根据权利要求1所述的一种风电功率预测方法，其特征在于，所述步骤5中，根据训练模型时所选的相关输入确定预测的输入，使用优化后的模型得到风电功率的预测结果。