[发明专利]一种基于区间二型T-S模糊模型的短期风速预测方法与系统

摘要

本发明公开一种基于区间二型T‑S模糊模型的短期风速预测方法与系统。方法中对历史实际风速观测数据进行变分模态分解VMD为K个模态，对每个模态进行属性选择和归一化处理，建立预测模糊模型；利用区间二型模糊C回归聚类IT2‑FCR对模型进行结构划分，并以实际观测风速数据与模糊模型预测结果的加权均方根误差为目标函数利用引力搜索算法GSA进行模型前件参数优化；利用最小二乘法对模型参数进行辨识。从而得到以历史实际观测数据为输入的短期风速预测区间二型T‑S模糊模型。本发明采用一种新型的二型超平面隶属函数，可以提高风速模糊预测模型的辨识精度，能得到更精确的辨识参数，使得对应的风速预测结果与实际观测风速吻合更好。

主权项

1.一种基于区间二型T-S模糊模型的短期风速预测方法，其特征在于，方法包括：风速观测数据data预处理，通过变分模态分解VMD将原始风速观测数据分解为K个本征模态函数IMF，并对于每一个本征模态函数IMF建立各自的T-S模糊预测模型的输入输出矩阵(input,output)；对应于每一个本征模态函数IMF，建立区间二型T-S模糊模型，其中，T-S模糊模型是由一组“IF-THEN”模糊规则来描述的非线性系统，每一个规则代表一个子系统，整个非线性系统为各个子系统的线性组合；所述IF-THEN模糊规则如下：规则i： y ^ k i = f i ( x k , α i ) = a 1 i x k 1 + a 2 i x k 2 + ... + a M i x k M + a 0 i = [ x k 1 ] · α i T i = 1... C , k = 1... N , j = 1... M ]]>其中是线性隶属度函数的模糊集合、C是聚类规则数、N是输入输出矩阵行数、M为输入矩阵的列数、xk＝[xk1,···xkM]是模糊模型输入矩阵x＝(x1,x2…xN)T的第k分量、是第k个模型预测输出中隶属于第i类的分量、αi是模型后件参数，用于指代超平面；再通过线性组合得到T-S模糊模型；其中，记ωi为高斯模糊权重；根据(input,output)数据对，通过区间二型模糊C回归聚类IT2-FCR，进行T-S模糊模型参数辨识，得到上下超平面参数和α；根据(input,output)数据对，利用引力搜索算法GSA进行模型上下超平面参数优化，得到优化后上下超平面参数；得到完整的模型前件参数及后件参数，利用(input,output)数据对计算当前IMF计算模型预测输出；对于每一个本征模态函数IMF建立各自的T-S模糊预测模型，并计算相应IMF计算模型预测输出；进一步，反归一化后合并得到(input,output)数据对的模型预测输出。