[发明专利]基于谱聚类和遗传优化极端学习机的超短期风速预测方法

权利要求书

1.一种基于谱聚类和遗传优化极端学习机的超短期风速预测方法，其特征在于，该方法包括以下步骤：S1：准备数据：具体为将需要预测风电场的历史风速、温度数据用EXCEL表格导出并保存；S2对准备数据进行预处理：具体为对缺失、异常数据进行处理后得到原始风速时间序列；S3：对预处理后的数据进行小波变换：具体为应用小波变换对原始风速时间序列进行分解和重构，得到一个概貌序列和若干个细节序列；分解序列数根据风速时间序列的尺度分布情况进行确定；S4：对小波变换后的数据进行归一化处理；S5：通过相关性分析对归一化处理后的数据进行选择以确定输入变量；S6：通过主成分分析对S5生成的输入变量进行降维处理；S7：通过谱聚类方法对S6中降维处理后的数据进行聚类分析，并与S4中归一化处理后的数据共同形成极端学习机样本空间；S8：通过极端学习机和遗传算法对S7形成的极端学习机样本空间的数据进行分层预测，输出分层预测值；S9：将分层预测值相加，得到超短期风速预测值；

步骤S4具体为对温度和分解后的风速数据进行归一化处理；将温度和分解后的风速数据分别映射到[-1,1]之间，训练结束后，将仿真输出再反映射到原数据范围；其中归一化处理公式如下所示：

x1i*=(y1max-y1min)×(x1i-x1min)x1max-x1min+y1min---(1)]]>

在公式(1)中，x_1i、分别表示数据归一化前、后的值，y_1max、y_1min分别表示要归一化的映射区间的最大值1与最小值-1，x_1max、x_1min分别表示样本数据中的最大、最小值；

步骤S8包括如下步骤：

S8.1：将谱聚类分析以后的样本空间划分为训练集和验证集；

S8.2：初始化建立极端学习机模型，根据训练集应用极端学习机模型进行训练，输出训练模型；

S8.3：根据训练模型应用验证集进行验证，输出验证集标准均方根误差E_NRMSE，其计算公式如下式：

ENRMSE=1kΣi=1k(y^4(i)-y4(i))21kΣi=1k(y4(i)-y‾4)2---(4)]]>

公式(4)中，k为每次预测数据长度，y₄(i)为原始风速数据，为预测风速数据，为预测时间段原始风速数据的平均值；

S8.4：根据验证集E_NRMSE进行遗传算法优化，遗传算法优化参数为输入权值和隐含层偏置；

S8.5：输出各分解序列最佳极端学习机预测模型；

S8.6：应用各分解序列最佳极端学习机预测模型对预测集进行预测，输出各分解序列预测结果。