(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
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
本文档由 人生无常 于 2024-03-18 06:35:22上传分享