[发明专利]一种基于人工神经网络的风速区间预测方法与系统

摘要

本发明公开了一种基于人工神经网络的风速区间预测方法与系统，用于风场的短期风速预测。首先运用变分模态分解(variational mode decomposition，VMD)把初始复杂的时间序列分解为多个结构简单的时间序列。再用Gram‑Schmidt正交化(Gram‑Schmidt orthogonal，GSO)进行特征选择。将处理好的风速序列作为人工神经网络(artificial neural network，ANN)的输入，ANN的输出为未来时刻风速的上下界。最后通过多目标引力搜索算法(Multi objective gravitational search algorithm，MOGSA)训练ANN权重与偏置，以覆盖率和区间宽度两个矛盾的指标作为优化目标，得到最优方案集。通过该方法预测出来的风速区间对实际的风速区间覆盖率高，区间宽度窄。该组合模型将预测的准确度提升到一个很高的水平。

主权项

1.一种基于人工神经网络的风速区间预测方法，其特征在于，所述方法包括如下步骤：步骤1：采集风场的风速序列：每隔m分钟采集一次实时风速，取实时风速的前len个数据作为风速序列，m的大小选取根据实际需求来定，len为预设值；步骤2：对不稳定非线性的所述风速序列进行VMD分解得出K个结构简单的子时间序列uk(t)，其中k的取值从1到K；步骤3：对步骤(2)得到的K个特征u(t)进行数据处理，用循环结构i＝1:1:len-L，每次取第i个数到第i+L-1个数总共L个数据作为输入，取第i+L个数据作为参考输出，得到一个len-L列L行的输入数组P和len-L列1行的参考输出数组T；步骤4：对输入数组P进行GSO相关性选择，得到所有Xl对Y的相关性排序，P的第l行表示为Xl＝[xl1，xl2，…，xlM]，T表示为Y＝[y1，y1，…，yM]，其中l的取值范围是从1到L，M表示数组的列数，其值等于len-L；步骤5：对步骤4得到的相关性排序中选出前LL个最相关的Xl作为人工神经网络ANN的输入，ANN的输入层数为LL，隐藏层数hiddennum，输出层数为2，隐藏层与输出层的激活函数采用线性函数；步骤6：P取前RR％的列作为训练输入数据集P_train，T取前RR％的列作为训练参考输出数据集T_train，使用MOGSA训练人工神经网络，得到人工神经网络的最优权重与偏置fbest，其中RR为预设值；步骤7：令k＝k+1，返回到步骤(3)，若迭代次数达到K，则算法停止；步骤8：将待预测风速序列作为ANN的输入，最终训练出的fbest作为的ANN的权重与偏置，得到子区间序列，然后把k个子序列反归一化后相加，得到预测风速区间。