[发明专利]一种短期风力发电输出功率的预测方法

权利要求书

1.一种短期风力发电输出功率的预测方法，其特征在于：包括以下步骤：

步骤1、将风力发电数据划分为训练数据和预测数据，并对数据进行归一化处理；

步骤2、设置和初始化改进蝴蝶优化算法和支持向量机模型的参数；

步骤3、使用训练数据训练支持向量机模型；

步骤4、使用改进蝴蝶优化算法计算具有最优适应度值的蝴蝶位置；

步骤5、将具有最优适应度值的蝴蝶位置带入支持向量机模型，并使用支持向量机模型对风力发电输出功率进行预测；

步骤6、输出预测结果；

所述步骤2的具体实现方法为：设置改进蝴蝶优化算法的迭代次数、种群中的蝴蝶数量和种群的维度，初始化蝴蝶位置；支持向量机模型设置其惩罚因子C和高斯核函数关键参数η的范围；改进蝴蝶优化算法中蝴蝶位置的范围为支持向量机模型惩罚因子C和高斯核函数关键参数η的范围，高斯核函数表示如下；

式中，K(x_i,x_j)表示高斯核函数，η表示高斯核函数关键参数；

其中，初始化蝴蝶位置的方法为：

式中，表示每一个蝴蝶的初始位置，rand表示属于0到1之间的随机数，表示由支持向量机模型中惩罚因子C和高斯核函数关键参数η的上界构成的向量，表示由支持向量机模型中惩罚因子C和高斯核函数关键参数η的下界构成的向量；

所述步骤4的具体实现方法为：

步骤4.1计算蝴蝶优化算法中每一只蝴蝶的适应度值和其产生的香味强度，记录其中的最优适应度值和对应的蝴蝶位置；

步骤4.2、更新蝴蝶的位置；

步骤4.3、再次计算每一只蝴蝶的适应度值并将此次计算所得的最优适应度值bF与步骤4.1计算所得最优适应度值比较，并将最小值赋值给全局最优适应度值BF，记录该蝴蝶的位置信息；

步骤4.4、执行Levy飞行策略；

步骤4.5、根据适应度值更新种群个体，直至达到设定的最大迭代次数,得到有最优适应度值的蝴蝶位置；

所述步骤4.2的具体实现方法如下：

首先，依据下式的动态切换概率公式产生切换概率：

θ＝θ_max-(θ_max-θ_min)×(T_max-t)/T_max

式中，θ为切换概率，θ_max为切换概率最大值，θ_min为切换概率最小值，T_max为算法的最大迭代次数，t为算法的当前迭代次数；

然后，将切换概率θ与生成的取值范围在0至1之间随机数r进行比较，如果随机数r的值大于切换概率θ的值，则按下式进行全局位置更新：

式中，是第t次迭代中第i只蝴蝶的位置，g^*表示在当前迭代的所有解中的最优解，f_i表示第i只蝴蝶发出的香味量，w为权重因子；该权重因子w的计算公式为：

式中，T_max为算法的最大迭代次数，t为算法的当前迭代次数；

如果随机数r的值小于切换概率θ的值，则按下式进行局部位置更新：

式中，和表示在第t次迭代解空间中的第j和第k只蝴蝶的位置；

所述步骤4.4的具体实现方法为：

设置Levy飞行策略的飞行步长如下：

式中，s为Levy飞行的步长，Levy(β)，u、v均服从正态分布，其中：

将Levy飞行的步长与步骤4.3得到的最优蝴蝶位置相结合，更新后的新搜索位置为：

式中，为最优蝴蝶的位置，dim为种群的维度，为经过Levy飞行后的最优蝴蝶的位置；

将的位置信息输入支持向量机模型，执行步骤3后再次计算适应度值，记录最优的适应度值，并保留该蝴蝶的位置信息；比较该最优适应度值与步骤4.3中所得的BF值的大小，若该值小于BF则将BF更新为当前最优适应度值，并保存当前最优适应度值蝴蝶的位置信息，反之，则保持原来的BF值和蝴蝶位置信息不变；

所述步骤5的具体实现方法为：将具有最优适应度值的蝴蝶的位置与支持向量机模型的惩罚因子C和高斯核函数关键参数η相对应，将此时的支持向量机模型的惩罚因子C和高斯核函数关键参数η的最优值带入支持向量机模型；将预测数据中的风速和风向作为支持向量机模型的输入，预测数据中的风力发电的输出功率作为支持向量机模型的输出，并输出一组风力发电输出功率预测结果。