[发明专利]一种遗传算法最小二乘风电功率预测方法

摘要

本发明公开了一种遗传算法最小二乘风电功率预测方法，利用已收集到实测风速建立遗传算法最小二乘支持向量机预测模型，确定建模所用的输入、输出变量；对原始数据进行归一化处理，利用遗传算法优化参数的数据、最小二乘支持向量机预测模型训练和测试的样本数据；对遗传算法以及最小二乘支持向量机预测模型参数初始化设置，训练模型，通过遗传算法多代进化获得优化的最小二乘支持向量机预测模型参数，建立最小二乘支持向量机预测模型；用最小二乘支持向量机预测模型对测试样本做风速短期预测。本发明运用遗传算法对LSSVM模型进行参数寻优，建立了基于GA‑LSSVM的风速信息预测模型，可以出色地实现数据的精确预测。

主权项

一种遗传算法最小二乘风电功率预测方法，其特征在于，利用已收集到实测风速建立遗传算法最小二乘支持向量机预测模型，具体步骤如下：步骤一、确定建模所用的输入、输出变量：每隔10分钟采集一个风速数据，一天所有数据为一组，六组数据为一个周期，以前连续5天的风速作为训练样本，之后的1天作为测试；步骤二、对原始数据进行归一化处理，利用遗传算法优化参数的数据、最小二乘支持向量机预测模型训练和测试的样本数据；步骤三、对遗传算法以及最小二乘支持向量机预测模型参数初始化设置：利用采集来的数据，进行二进制编码，产生初代种群，即初始最小二乘支持向量机模型，然后训练模型，通过遗传算法多代进化获得优化的最小二乘支持向量机预测模型参数，建立最小二乘支持向量机预测模型；步骤四、用步骤三得到的最小二乘支持向量机预测模型对测试样本做风速短期预测；步骤五、通过设定的适应度函数验证所得结果的精度，如果不符合要求，则重新设定遗传算法参数，返回步骤三重新训练。