说明:收录25万 73个行业的国家标准 支持批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211104512.3 (22)申请日 2022.09.09 (71)申请人 上海电机学院 地址 200240 上海市闵行区江川路690号 (72)发明人 陈国初 徐云彤  (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 宣慧兰 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) (54)发明名称 一种基于海鸥算法优化极限学习机的短期 风功率预测方法 (57)摘要 本发明涉及一种基于海鸥算法优化极限学 习机的短期风功率预测方法, 包括: 获取气象数 据, 将该气象数据载入预先建立并训练好的风功 率预测模型中, 得到风功率预测结果, 所述风功 率预测模型为基于改进海鸥算法优化的极限学 习机, 所述改进海鸥算法采用Tent映射对种群进 行初始化, 采用t ‑分布变异策略对海鸥的位置进 行更新, 采用加入自我认知的海鸥全局攻击行 为, 获取当次迭代中最优海鸥。 与现有技术相比, 本发明改善了海鸥算法求解精度较低、 迭代后期 收敛速度慢、 易陷入早熟的缺点, 提高了风功率 的预测精度。 权利要求书2页 说明书4页 附图1页 CN 115271254 A 2022.11.01 CN 115271254 A 1.一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 包括: 获取 气象数据, 将该气象数据载入预先建立并训练好的风功率预测模型中, 得到风功率预测结 果, 所述风功率预测模型为基于改进海鸥算法优化的极限学习机, 所述改进海鸥算法采用 Tent映射对种群进行初始化, 采用t ‑分布变异策 略对海鸥的位置进行更新, 采用 加入自我 认知的海鸥全局攻击行为, 获取当次迭代中最优 海鸥。 2.根据权利要求1所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 采用Tent映射对种群进行初始化具体为: 根据输入数据获取混沌序列, 对混沌序列进行Tent映射, 对Tent映射后的混沌序列进 行逆映射到 搜索空间中, 得到初始化的种群。 3.根据权利要求2所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述Tent映射的表达式为: 式中, i=1, 2, ..., N表示种群规模, t=1, 2, ..., d为控制变量的个数, 为i种群的第t 个控制标量的混沌序列; 为i种群的第t+1个控制标量的混沌序列。 4.根据权利要求2所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述初始种群的计算表达式为: 式中, 为第t个控制标量的第i个种群, lbi为 搜索的下界, ubi为 搜索的上界, 为 i种群的第t个控制标量的混沌序列。 5.根据权利要求1所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 采用t ‑分布变异策略对 海鸥的位置进行 更新具体为: 设置每个海鸥的概率密度函数, 得到变异概率, 对每只海鸥均生成一个在0 ‑1范围以内 的随机数, 若海鸥的随机数小于变异概 率, 则进行位置更新。 6.根据权利要求5所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述 概率密度函数为: 式中, pt(x)为, n为 自由度参数, x为海鸥的当前位置, t为迭代次数, pt(x)为海鸥在第t 次迭代下x位置下的概 率密度函数。 7.根据权利要求5所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述 位置更新的表达式为: 式中, 为第i只经 过t‑分布扰动 后的海鸥个 体位置, Xi为第i只海鸥个 体位置。 8.根据权利要求1所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述加入自我认知的海鸥全局攻击行为具体为, 计算每只海鸥的记忆个体, 若权 利 要 求 书 1/2 页 2 CN 115271254 A 2海鸥的当前个体的适应度值大于上一代个体的自适应值, 则将上一代个体的自适应值替换 记忆个体的位置, 否则保持记忆个体的位置不变, 最红根据记忆个体的位置得到海鸥种群 的最佳位置 。 9.根据权利要求8所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述记 忆个体的计算表达式为: Pm(t)=ds(t) ×x×y×z+Pts(t)+(Pg(t)‑Ps(t)) ×r1×w1+(Pbs(t)‑Ps(t))×r2×w2 式中, r1和r2均为设置为0和1之间的随机 数, w1和w2均为学习因子, Pg(t)表示海鸥个体 的历史最优位置, Pm(t)为记忆个体, Ps(t)为上一代个 体。 10.根据权利要求9所述的一种基于海鸥算法优化极限学习机的短期风功率预测方法, 其特征在于, 所述学习因子w1和w2均在0.8 ‑0.95范围以内。权 利 要 求 书 2/2 页 3 CN 115271254 A 3

.PDF文档 专利 一种基于海鸥算法优化极限学习机的短期风功率预测方法

文档预览
中文文档 8 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共8页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种基于海鸥算法优化极限学习机的短期风功率预测方法 第 1 页 专利 一种基于海鸥算法优化极限学习机的短期风功率预测方法 第 2 页 专利 一种基于海鸥算法优化极限学习机的短期风功率预测方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 06:35:22上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。