[发明专利]一种预测风速的方法及系统

权利要求书

1.一种预测风速的方法，其特征在于，所述方法包括：

获取风速数据的原始序列；

采用粒子群算法确定变分模态分解方法的最优预设尺度参数和最优带宽参数，并根据所述最优预设尺度参数和所述最优带宽参数将所述原始序列分解为若干模态函数子序列；

采用改进的差分进化算法确定各模态函数子序列的最小二乘支持向量机模型的核参数，所述改进的差分进化算法中变异操作的变异因子随进化代数的增加而减小，且所述变异操作生成的变异个体与上一代的最优个体有关，所述改进的差分进化算法中交叉操作的交叉概率因子随进化代数的增加而增加；

根据各所述模态函数子序列的自相关性及各所述核参数，确定各所述模态函数子序列的最小二乘支持向量机风速预测子模型，并通过各所述最小二乘支持向量机风速预测子模型预测各所述子序列的分解风速；

根据各所述分解风速，确定最终的风速预测值。

2.根据权利要求1所述的预测风速的方法，其特征在于，所述采用粒子群算法确定变分模态分解方法的最优预设尺度参数和最优带宽参数具体包括：

初始化粒子种群中各粒子的位置和速度，其中，所述粒子的位置为预设尺度参数K和带宽参数α的组合[K,α]，粒子群算法总的迭代次数为N，所述速度用于表征对应粒子位置的变化方向；

根据变分模态分解方法确定各所述粒子对应的模态函数分量，每个所述粒子对应K个所述模态函数分量；

分别计算每个所述粒子对应的K个模态函数分量的包络熵，并筛选出最小的包络熵作为各所述粒子的局部最小熵值；

从各所述粒子的所述局部最小熵值中筛选出最小的局部最小熵值，作为全局最小熵值；

根据所述局部最小熵值和所述全局最小熵值更新各所述粒子的位置和速度；

判断当前迭代次数是否小于N；

若是，继续根据变分模态分解方法确定各所述粒子对应的模态函数分量；

若否，选择全局最小熵值对应的粒子作为最优粒子，所述最优粒子中的预设尺度参数为所述最优预设尺度参数，所述最优粒子中的带宽参数为所述最优带宽参数。

3.根据权利要求1所述的预测风速的方法，其特征在于，所述变异操作具体包括：

对原始个体X_i,t随机生成五个整数r₁,r₂,r₃,r₄,r₅∈{1,2,...,NP}，其中，r₁，r₂，r₃，r₄，r₅，i互不相同，NP为种群规模；

根据公式：

生成变异个体，

其中，V_i,t+1表示变异个体，T表示所述差分进化算法的最大迭代次数，t表示当前的进化代数，表示父代基向量，X_best,t表示第t代进化中的最优个体，F表示变异因子，F∈[0,2]，F₀表示所述变异因子的初始值，和分别表示父代差分向量。

4.根据权利要求3所述的预测风速的方法，其特征在于，根据公式：

对所述变异个体和所述原始个体实施所述交叉操作，生成实验个体U_i,t+1，

其中，表示所述变异个体V_i,t+1的第j个分量，表示所述原始个体X_i,t的第j个分量，rand_j表示位于[0,1]区间的均匀分布的随机数；randn_i表示{1,2}内随机产生的维数索引号；CR表示交叉概率因子；CR_min表示所述交叉概率因子的最小值；CR_max表示所述交叉概率因子的最大值。

5.根据权利要求1所述的预测风速的方法，其特征在于，所述根据各所述分解风速，确定最终的风速预测值具体包括：

获取各所述最小二乘支持向量机风速预测子模型预测的分解风速；

将各所述分解风速叠加求和，得到所述最终的风速预测值。