[发明专利]基于非对称损失与混合智能优化算法的功率曲线建模方法

权利要求书

1.一种基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，具体包括：

将获取的风电场数据集随机划分为训练集、验证集和测试集；

选定多个风功率曲线参数拟合模型，并构建非对称损失目标函数；所述非对称损失目标函数为：

其中N为样本个数，其中参数p控制不同误差下损失值的变化程度，参数τ∈(0,1)控制损失函数非对称的程度，y_i和分别是样本i的测量值和估计值；

将所述训练集输入所述风功率曲线参数拟合模型，并以所述非对称损失目标函数为适应度函数采用预设的混合优化算法进行参数优化，获得多个待确定非对称损失目标函数参数对应的多个优化模型；

将所述验证集输入所述优化模型，计算所述优化模型的误差评估指标，并根据所述误差评估指标筛选出最优非对称损失目标函数参数和对应的最优参数模型；

将所述最优参数模型作为风功率曲线模型，并采用测试集进行模型性能评估。

2.根据权利要求1所述的基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，所述多个风功率曲线参数拟合模型具体包括3-PLF，4-PLF，5-PLF，6-PLF和MHTan模型；

所述3-PLF为：其中V代表风速，P(V)为对应的功率输出，k,r分别代表系统容量和增长率，y₀为一般系数；

所述4-PLF为：其中α,β,δ,γ为一般待确定系数；

所述5-PLF为：其中α,β分别代表函数最大值和最小值，γ为拐点，δ为坡度，ε为非对称因子；

所述6-PLF为：其中a,b,d,h,g,V₀为一般待确定系数；

所述MHTan为：其中a₁,a₂,a₃,a₄,a₅,a₆,a₇,a₈,a₉为一般待确定系数。

3.根据权利要求1所述的基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，所述预设的混合优化算法具体包括：

预设灰狼优化算法，并对种群初始化，以非对称损失目标函数为适应度函数；

采用灰狼优化算法进行参数优化至迭代次数大于预设迭代次数时，获得灰狼优化算法的当前种群；

以灰狼优化算法的当前种群作为回溯搜索算法的初始种群，采用回溯搜索算法进行优化至迭代次数等于最大迭代次数，输出最优模型参数。

4.根据权利要求3所述的基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，所述预设迭代次数＝m*最大迭代次数，m∈(0,1)。

5.根据权利要求3所述的基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，所述灰狼优化算法具体包括：

获取种群大小，最大迭代次数，待优化参数个数和种群位置边界，并初始化种群位置；

根据所述非对称损失目标函数计算种群中每个候选解的适应度值，并获取适应度值最低的前三个候选解；

根据公式进行种群位置更新，其中a+b+c＝1，分别代表其他候选解受所述前三候选解引导，对下一步位置更新的分量；

更新迭代次数和参数，当迭代次数达到预设迭代次数时，获得灰狼优化算法的当前种群。

6.根据权利要求1所述的基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，所述待确定非对称损失目标函数参数τ的取值为{0.3,0.35,...,0.8}。

7.根据权利要求1所述的基于非对称损失与混合智能优化算法的功率曲线建模方法，其特征在于，所述误差评估指标包括：平均绝对误差，均方根误差和决定系数。