[发明专利]一种基于数据挖掘技术和改进支持向量机的风电预测算法

权利要求书

1.一种基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于，所述风电预测算法包括以下步骤：

步骤1：数据处理；收集原始数据，并对错误和缺失的原始数据进行处理，之后采用小波变换对处理后的原始数据进行去噪分析，得出一组可信性较高的新数据，小波变换的公式如下：

其中Approx_J,t为信号的低尺度，能够捕获原始信号的趋势，Details_j为高频信号的集合，Details_j＝Approx_j-approx_j-1表示原始信号的周期性变化信息，DWT为离散小波变换，m为比例因子，n＝1,2,…,N为取样时间，N为样本总量，ψ(x)为小波函数；

步骤2：参数初始化；确定支持向量机算法的核参数σ²和惩罚因子C；

步骤3：参数优化；通过布谷鸟搜索算法对支持向量机算法的核参数σ²和惩罚因子C进行迭代优化，适应度函数如下:

其中n训练集的样本容量，y_i是训练集的输出，是对应的优化结果；

步骤4：支持向量机的构建，通过步骤3的布谷鸟搜索算法得到最佳参数，构建支持向量机；

步骤5：根据支持向量机算法的步骤对支持向量机训练进行风电预测；

步骤6：输出风力发电预测结果。

2.根据权利要求1所述的基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于：所述步骤3参数优化具体包括以下步骤：

步骤3.1：根据所述适应度函数的大小，选择随机解中核参数σ²和惩罚因子C的较优解作为初始解；

步骤3.2：通过迭代更新布谷鸟的位置；

步骤3.3：根据发现概率p_a丢弃部分解，p_a∈[0,1]；

步骤3.4：产生与步骤3.3丢弃解数量相同的新解；

步骤3.5：计算初始解和新解的适应度函数，选取适应度函数较小的解做为下一次迭代的初始解；

步骤3.6：若迭代次数达到最大迭代次数，则返回参数值并执行所述步骤4，若未达到最大迭代次数，则返回步骤3.1开始下一次迭代。

3.根据权利要求2所述的基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于：所述步骤3.2中的迭代公式如下：

式中表示第t代的第i个解，α₀为常数，通常取值为0.01，x_best表示当前情况下的最优解，μ,ν服从标准正态分布，λ取值为1.5。

4.根据权利要求2所述的基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于：所述步骤3.4通过布谷鸟搜索算法采用交叉操作和混合变异方式生成新解，公式如下：

其中r是缩放因子，为在区间[0,1]上均匀分布的随机数，和表示第t次迭代过程中的两个随机解。

5.根据权利要求2所述的基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于：所述最大迭代次数为400，当所述迭代次数为400

时，优化过程终止。

6.根据权利要求1所述的基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于：所述原始数据包括：风速、风向和历史发电数据。

7.根据权利要求1所述的基于数据挖掘技术和改进支持向量机的风电预测算法，其特征在于：所述步骤1对错误原始数据采用数据挖掘算法中曲线拟合的方法进行处理；对缺失的原始数据采用平均值法进行填充。