[发明专利]一种用于风力发电的短期风速预报方法

权利要求书

1.一种用于风力发电的短期风速预报方法，其特征在于，首先采用CM-kNN算法,找到与被测风速样本点最相似的k个风速样本，再利用支持向量机对训练样本进行短期风速预报建模，最后根据从预测模型得到的若干风速预测值，来预测当前的风速，

该方法的还包括：

(1)运用CM-kNN算法，对风速样本点进行预处理，具体操作步骤为：

a1)用训练样本X去重构每一个测试样本Y,采用最小二乘损失函数来表示残差和，并产生稀疏的解W，如下式：

W＝[w1,...,wm]表示训练样本和测试样本之间的重构系数或者相似性矩阵，L1-范数正则项R₁(W)＝||W||₁＝∑_i∑_j|w_ij|，已经被证明可W产生稀疏的解W；

a2)去除样本中存在的噪声，考虑L2，1-范数正则项，在重构过程中使W产生整行稀疏，也即行稀疏，定义如下：

a3)通过局部保持投影(LPP)保证样本间的局部邻近性不变,其正则项R₃＝Tr(W^TX^TLXW)；

CM-kNN算法的最优目标函数(1)定义如下：

通过实验不断调整参数ρ₁，ρ₂，ρ₃，得到最终的系数矩阵W,从而确定k值；

(2)利用支持向量机对训练样本进行建模，其具体操作步骤如下：

b1)建立训练样本的支持向量机模型可表示为：

其中，ω是模型参数即权重向量，是从输入空间到高维空间的非线性特征映射，b是残差项；

b2)引入拉格朗日乘子λ_i后，基于SVM的预测模型变为：

其中，核函数K采用高斯径向基核函数形式：

K(x,x_i)＝exp(-||x-x_i||²/σ²)

其中，xi(i＝1,2，3…,N)为输入训练样本，σ为核函数参数；

(3)将最优预测值输出。