[发明专利]一种基于多延迟输出回声状态网的风力发电功率预测方法

权利要求书

1.一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：包括以下步骤：

S01：采集风力发电功率的历史数据以及影响因素数据；

S02：构建多延迟输出回声状态网，所述多延迟输出回声状态网的输入为影响因素数据，所述多延迟输出回声状态网的输出为风力发电功率的预测值；根据风力发电功率的历史数据以及影响因素数据构建预测样本的训练数据集和测试数据集；

S03：将多延迟输出回声状态网初始化，开始进行训练；

S04：对多延迟输出回声状态网的储备池进行设置；

S05：初始化输出权重；

S06：对多延迟输出回声状态网需要优化的参数进行优化；

S07：判断是否退出训练的迭代循环；

S08：将多延迟输出回声状态网作为风力发电预测网络投入使用。

2.根据权利要求1所述的一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：所述影响因素数据包括风速以及风向。

3.根据权利要求1或2所述的一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：步骤S02包括以下子步骤：

S0201：将标准回声状态网公式按下式修改得到多延迟输出回声状态网：

x(n+1)＝a_xx(n)+f(Wⁱⁿu(n+1)+Wx(n)+W^fby(n))

式中，x(n)表示储备池的状态，u(n)表示为输入，y(n)表示为输出，a_x表示泄露积分率，Wⁱⁿ、W、W^fb和W^out分别表示输入权值矩阵、储备池内部权值矩阵、输出反馈权值矩阵和输出权值矩阵，α表示延迟输出的增益系数，γ_i表示延迟输出y(n-i)中的比例因子，τ表示延迟输出的最大长度，β表示校正系数，f表示储层激活函数；

S0202：根据风力发电功率的历史数据以及影响因素数据构建预测样本的训练数据集和测试数据集。

4.根据权利要求3所述的一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：储层激活函数为tanh。

5.根据权利要求1或2所述的一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：所述训练数据集为t₁、t₂、t₃……t_n时刻的影响因素数据；

所述测试数据集为t_k+1、t_k+2……t_k+n时刻所对应的风力发电功率的历史数据；

其中n为网络迭代的次数，k为所设定所需要预测的第k个时刻。

6.根据权利要求1或2所述的一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：所述需要优化的参数包括储层参数与输出权重。

7.根据权利要求6所述的一种基于多延迟输出回声状态网的风力发电功率预测方法，其特征在于：所述储层参数的优化包括以下子步骤：

S0601：将储备池的状态方程改写为下式：

x(n+1)＝a_xx(n)+f(sⁱⁿWⁱⁿu(n+1)+ρWx(n)+s^fbW^fby(n))

式中，a_x表示泄露积分率，ρ表示矩阵的实际谱半径，sⁱⁿ和s^fb分别表示输出权值矩阵和输出反馈矩阵的规模因子，所述储层参数为储备池的状态方程的全局参数q∈{a_x,ρ,sⁱⁿ,s^fb}；

S0602：计算均方根误差并将其最小化，所述均方根误差为：

式中d(n)为目标值，y(n)为风力发电功率的预测值；

S0603：利用均方根误差对储层参数进行优化。