[发明专利]一种基于mBLS的联合在线自适应参数寻优风速预测方法

权利要求书

1.一种基于mBLS的联合在线自适应参数寻优风速预测方法，其特征在于，包括以下步骤：

1)利用互信息准则结合二次相关系数法选择特征变量；

1.1)对于目标风机的SCADA数据，通过互信息MI筛选大量与风速特征无关的变量；

1.2)计算剩余特征和风速特征的皮尔逊积矩相关系数M；

1.3)选择风速绝对相关度大于0.7的所有特征作为候选特征；

1.4)使用成对的相关系数计算过滤后的特征，根据实际经验，保留相关性大于0.9的两个功能中的一个，另一个作为冗余功能删除；

1.5)融合当前时刻前s步的历史风速以及历史SCADA特征信息作为模型的一条输入；

2)通过mBLS网络将基于联合模型预测的结果给出更鲁棒更精准的风速预测结果；

3)将三种单模型预测的结果输入进mBLS网络的多个输入通道中，通过在线自适应参数寻优算法优化单模型参数，最终的输出结果为mBLS的输出。

2.根据权利要求1所述的一种基于mBLS的联合在线自适应参数寻优风速预测方法，其特征在于，所述步骤2)中联合模型包含的单模型分别为：SVR、XGBoost和BLS。

3.根据权利要求1所述的一种基于mBLS的联合在线自适应参数寻优风速预测方法，其特征在于，所述步骤3)中提到的单模型自适应参数调优算法，在搜索的时候，以误差百分比MAPE作为依据，在验证集中寻找MAPE最低的参数，MAPE计算如下：

其中，n为数据个数，表示了当前时刻的预测值，y_i是当前时刻的真实风速。

4.根据权利要求1所述的一种基于mBLS的联合在线自适应参数寻优风速预测方法，其特征在于，所述步骤3)中，所述mBLS网络的具体结构和算法流程如下：

对于mBLS，假设X′是模型的输入，X′不再是作为X的矩阵，而是一组矩阵，输入的表达式如下所示：

其中X′表示一组所有输入矩阵，总共有w，m表示样本数，n表示特征数，s表示其他特征列；

对于每个输入矩阵，根据原始的X′_m×n放大s列，如下公式所示：

其中，x表示矩阵中的每一行，x矩阵比原始BLS输入矩阵多s列；

在预测任务中，采用单个模型的预测结果和之前的s步历史信息融合来区分mBLS不同通道的输入特征节点；

假设第j单个模型的输出矩阵为Y_j，Y_j可以表示为如下的方程：

其中，Y是单模型输出的历史预测矩阵，y_t是时间t的预测值，每个输入矩阵X将组合相应单个模型的预测结果，最后，多通道中的每个输入矩阵可以表示为：

其中X_(m×n)表示原始BLS的输入，而是重构输入矩阵集X′中的输入矩阵；

对于直接在特征窗口中生成的每个特征节点Z，节点的信息先前由随机权重和随机偏移指定；如下公式显示mBLS的线性特征节点。

其中Z′表示mBLS的输入线性特征节点，增强节点的计算方法与原始BLS一致，如下等式：

其中是MBL的增强节点表示，与原始的BLS结构相同。

5.根据权利要求1所述的一种基于mBLS的联合在线自适应参数寻优风速预测方法，其特征在于，所述步骤2)中的组合模型预测中，多种单模型在输入进mBLS网络前，进行并行化处理，单模型预测彼此互不干预，以最长时间预测完的模型为最终预测时间，结束后一起输入到mBLS组合预测。