基于自适应蜂群算法的风电功率预测方法及装置制造方法
【专利摘要】本发明提供了一种基于自适应蜂群算法的风电功率预测方法及装置，方法包括：1）对风速、风电功率数据进行归一化处理，利用支持向量机回归建立预测模型；2）选取待优化参数及适应度函数，初始化蜜蜂及蜜源位置，调用均匀分布函数赋蜜蜂位置；3）对蜜蜂搜索空间进行lgx对数变换，并计算各食物源收益率；4）进行邻域搜索，并进行自适应权重系数调整；5）判断是否满足收敛条件，若满足则执行步骤6），否则返回执行步骤3）；6）获取优化后参数，更新预测模型；7）利用风电功率测试数据对更新后的预测模型进行训练并进行预测，得到预测结果。本发明有效提高了对风电机组的输出功率的预测精度，增强了风电并网的稳定性、经济性。
【专利说明】基于自适应蜂群算法的风电功率预测方法及装置
【技术领域】
[0001]本发明涉及风电功率预测【技术领域】，特别是涉及一种基于自适应蜂群算法优化SVR的短期风电功率预测方法及装置。
【背景技术】
[0002]近年来，风能作为一种可再生能源，在全球范围内迅速发展。截止到2012年12月，世界风电装机容量已经从2000年的60GW增加到282.578GW，预计到2015年世界风电装机容量将达到460GW。随着风电的迅速发展，并网成为了充分利用风电的研究热点。风电的输出功率依赖于风速，然而由于风速的不确定性和间歇性，势必会给电网的稳定性带来严重冲击。
[0003]为了提高风电的利用率，增强风电并网的稳定性、经济性，需要对风电机组的输出功率进行有效的预测，以促进电力调度部门制定调度计划的合理性，进而减轻了风电并入对电网稳定性的冲击。
【发明内容】
[0004]本发明的目的在于，提供一种基于自适应蜂群算法的风电功率预测方法，采用支持向量机建立预测模型，同时采用自适应蜂群算法对其进行优化，利用优化的参数更新预测模型，有效提高了对风电机组的输出功率的预测精度，增强了风电并网的稳定性、经济性。
[0005]为达到 上述目的，本发明提供了一种基于自适应蜂群算法的风电功率预测方法，包括以下步骤:
[0006](I)对风速、风电功率数据进行归一化处理，以风速作为输入、风电功率作为输出，利用支持向量机回归建立预测模型，其中归一化公式为:
【权利要求】
1.一种基于自适应蜂群算法的风电功率预测方法，其特征在于，包括以下步骤: (1)对风速、风电功率数据进行归一化处理，以风速作为输入、风电功率作为输出，利用支持向量机回归建立预测模型，其中归一化公式为:
2.根据权利要求1所述的基于自适应蜂群算法的风电功率预测方法，其特征在于，步骤(4)进一步包括:对跳出搜索空间的蜜蜂进行边界位置处理，边界位置处理公式为:
3.根据权利要求1所述的基于自适应蜂群算法的风电功率预测方法，其特征在于，步骤(4)之后进一步包括:判断食物源收益率连续预设次数内是否改进，若收益率没改进，则利用柯西变异算子对当前最优值的一分量进行变异重新设置蜜蜂位置，并返回执行步骤(3)，变异后分量为:
Xgk — Xgk+S.rI (Xgk)， 其中S为变异步长，η为柯西随机变量，其表达式为:
4.根据权利要求3所述的基于自适应蜂群算法的风电功率预测方法，其特征在于，对变异概率以及变异步长均进行迭代衰减变化操作。
5.根据权利要求1所述的基于自适应蜂群算法的风电功率预测方法，其特征在于，步骤(7)进一步包括:对预测结果进行误差分析并输出预测结果。
6.一种基于自适应蜂群算法的风电功率预测装置，其特征在于，包括:预测模型建立模块，用于对风速、风电功率数据进行归一化处理，以风速作为输入、风电功率作为输出，利用支持向量机回归建立预测模型，其中归一化公式为:
7.根据权利要求6所述的基于自适应蜂群算法的风电功率预测装置，其特征在于，邻域搜索模块进一步用于对跳出搜索空间的蜜蜂进行边界位置处理，边界位置处理公式为:
8.根据权利要求6所述的基于自适应蜂群算法的风电功率预测装置，其特征在于，所述装置进一步包括一与第一判断模块相连的第二判断模块，用于判断食物源收益率连续预设次数内是否改进，若收益率没改进，则调用变异模块利用柯西变异算子对当前最优值的一分量进行变异重新设置蜜蜂位置，并调用收益率计算模块，变异后分量为:
Xgk — Xgk+S.rI (Xgk)， 其中S为变异步长，η为柯西随机变量，其表达式为:
9.根据权利要求8所述的基于自适应蜂群算法的风电功率预测装置，其特征在于，对变异概率以及变异步长均进行迭代衰减变化操作。
10.根据权利要求6所述的基于自适应蜂群算法的风电功率预测装置，其特征在于，所述预测结果获取模块进一步用于对预测结果进行误差分析并输出预测结果。
【文档编号】G06N3/00GK103871002SQ201410112476
【公开日】2014年6月18日 申请日期:2014年3月25日 优先权日:2014年3月25日
【发明者】公维祥, 冯兆红, 陈国初, 陈玉晶, 魏浩, 金建, 陈勤勤, 王永翔 申请人:上海电机学院