[发明专利]一种结合时空特征和误差处理的风能预测方法

权利要求书

1.一种结合时空特征和误差处理的风能预测方法，其特征在于，所述方法包括以下步骤：

从风能时间序列中提取时间特征，通过多输入-单输出的模式提取距离较近风电机之间的信息，引入空间特征；

通过基于k近邻的噪声数据检测方法对时间特征和空间特征进行预处理；

对预处理后的特征进行时空特征的方差属性分析，基于分析的结果训练多组预测器模型；

采用加权平均数方式对多个预测模型进行组合，生成基于时空特征方差的集成学习模型，用于对组合后的预测模型进行误差预测；

使用集成学习模型得到预测值y，将和时空特征相应的误差特征输入到辅助模型中，得到结果y′，则最终的预测值为y+y′；集成学习模型和辅助模型相结合生成最终的模型。

2.根据权利要求1所述的一种结合时空特征和误差处理的风能预测方法，其特征在于，所述通过基于k近邻的噪声数据检测方法对时间特征和空间特征进行预处理具体为：

对每个时空特征X_i，计算与其他特征X_j的相似度，选择h个相似度最大的作为近邻，然后依据时空特征X的输出和近邻的输出，判断时空特征X是否是噪音，并剔除掉噪声构成特征集。

3.根据权利要求1所述的一种结合时空特征和误差处理的风能预测方法，其特征在于，所述基于分析的结果训练多组预测器模型具体为：

训练集为时空特征X_i的方差为v(X_i)，若满足|v(X_j)-v(X_i)|δ，δ∈实数R，X,y中，X是向量，即时空特征，y是输出；则时空特征X_j的方差、与时空特征X_i的方差接近，则将X_j和X_i划分为一组；并用划分后产生的每组数据单独训练预测器模型。

4.根据权利要求1所述的一种结合时空特征和误差处理的风能预测方法，其特征在于，所述辅助模型具体为：

所述辅助模型用于预测组合后的集成学习模型的误差；

将训练集和组合后的集成学习模型的预测值y’构成新的数据集，用于训练辅助模型。

5.根据权利要求1所述的一种结合时空特征和误差处理的风能预测方法，其特征在于，所述采用加权平均数方式对多个预测模型进行组合具体为：

其中，W_i,j表示模型Ψ_i在预测type属性值等于j的场景时所占的权重；E_i,j表示模型Ψ_i在数据集上的平均绝对误差；E_,j表示矩阵E的第j列,h和t是两个可调节的参数。

6.根据权利要求2所述的一种结合时空特征和误差处理的风能预测方法，其特征在于，所述判断时空特征X是否是噪音，并剔除掉噪声构成特征集具体为：

y_i＞max(Ns_i)+α·max(|s_p-s_q|)

或

y_i＜min(Ns_i)-α·max(|s_p-s_q|)

对特征Xi的所有近邻表示为集合Nx_i，相应的输出表示为集合Ny_i，对将Ny_i除去最大值max(Ny_i)、最小值min(Ny_i)后构成新的集合Ns_i；

如果且满足上述任一公式，则判定(X_i,y_i)为噪声数据；

其中，s_p、s_q为Ns_i中任意元素，表示特征对应的输出；α∈R为可调节参数，y_i为特征X_i对应的输出。