买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南昌工程学院

摘要：本发明公开了一种基于逆向云场景聚类的风电功率区间预测方法及系统，该方法通过获取风电功率的相关气象影响因子数据、风电功率预测数据以及与实际值的误差序列；对相关气象影响因子数据进行融合降维并进行聚类；基于风电功率预测数据使用自适应带宽核密度估计构建功率预测区间；根据三维云向量特征的聚类结果对每种类型赋予不同的修正权重并使用改进的MODBO算法对修正权重进行优化；使用优化后的修正权重通过自适应带宽核密度估计重新构建误差修正后的功率预测区间。本发明可提高区间预测的质量，解决当前区间预测方案无法兼顾多种风电功率预测误差的复杂场景，且覆盖率不足，区间宽度过大的问题。

主权项：1.一种基于逆向云场景聚类的风电功率区间预测方法，其特征在于，步骤如下：步骤S1：获取风电功率的相关气象影响因子数据、风电功率预测数据以及与实际值的误差序列；步骤S2：使用逆向云发生器对相关气象影响因子数据进行融合降维，得到三维云向量特征；步骤S3：使用高斯核均值漂移算法对三维云向量特征进行聚类；步骤S4：基于风电功率预测数据使用自适应带宽核密度估计构建功率预测区间；步骤S5：根据三维云向量特征的聚类结果对每种类型赋予不同的修正权重并使用改进的MODBO算法对修正权重进行优化；步骤S6：使用优化后的修正权重通过自适应带宽核密度估计重新构建误差修正后的功率预测区间；步骤S5中，基于三维云向量特征的N个聚类结果，各自赋予修正权重，以自适应带宽核密度估计的区间宽度和区间未覆盖率为目标函数，通过改进的MODBO算法对进行寻优，得到各个聚类结果的最佳修正权重；改进的MODBO算法步骤如下：步骤S51：随机生成初始种群，计算所有个体的适应度，并使用动态变异准反向学习策略生成个体，并基于贪婪策略替换个体更新种群，计算公式为： （10）；其中，和为两个目标函数，和为当前种群中两个目标函数的最优值，为当前个体，和为种群个体的上下界；步骤S52：计算个体的适应度值，确定非支配解并计入库中；步骤S53：没有障碍物的情况下蜣螂执行滚球行为，使用动态对数搜索策略来平衡搜索空间的大小和收敛速度，计算公式为： （11）；其中，t为迭代次数，表示第t次迭代的个体，表示第t-1次迭代的个体，表示第t+1次迭代的个体，为包含1和-1的随机自然系数，偏转系数a为的随机数，b为0,1内的随机数，为全局最差个体位置；步骤S54：遇到障碍物时蜣螂会跳舞来重新定位获得新的搜索路线，计算公式为： （12）；其中，为（0,π）之间的随机数；步骤S55：雌蜣螂圈定产卵位置的范围，计算公式为： 13； 14;15；其中，和分别为产卵区域的下界、上界，为当前的局部最优解，，为最大迭代次数，、为两个独立的随机数，为第i个卵球的位置；步骤S56：小蜣螂会出来寻找食物，小蜣螂觅食区域计算公式为： 16； 17；其中，和分别为觅食区域的下界、上界，为全局最优解，小蜣螂位置更新公式为： 18；其中，是服从正态分布的随机数，是范围内的随机向量；步骤S57：有些蜣螂会偷窃其他蜣螂的球，位置更新公式为： （19）；其中，J为常量，g为服从正态分布的随机向量；步骤S58：判断是否达到最大迭代次数，如否，计算个体的适应度值，确定非支配解并更新库，继续迭代，如是，输出最优解集。

全文数据：

权利要求：

百度查询： 南昌工程学院 一种基于逆向云场景聚类的风电功率区间预测方法及系统