(19)中华 人民共和国 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 202111247254.X (22)申请日 2021.10.26 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 呼梦颖　杨霈轶　段建东　邱哲宇　 夏欣　张洁颖　许彤彤　刘子琦　 高翔　 (74)专利代理 机构 西安弘理专利事务所 61214 代理人 许志蛟 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于麻雀搜索算法优化核极限学习机的风 电功率预测方法 (57)摘要 本发明公开了一种基于麻雀搜索算法优化 核极限学习机的风电功率预测方法， 具体包括如 下步骤： 步骤1， 确定影 响风电功率的主导影 响因 子； 步骤2， 使用Thompsontau ‑四分位法对步骤1 确定的主导影 响因子进行处理； 步骤3， 构建麻雀 搜索算法优化核极限学习机预测模 型， 通过该模 型对风电功率进行预测。 本发明解决了目前风电 功率预测精度低， 预测性能受自身参数影响较大 的问题。 权利要求书1页 说明书4页 附图2页 CN 114065610 A 2022.02.18 CN 114065610 A 1.基于麻雀搜索算法优化核极限学习机的风电功率预测方法， 其特征在于： 具体包括 如下步骤： 步骤1， 确定影响风电功率的主导影响因子； 步骤2， 使用Thompson  tau‑四分位法对步骤1确定的主导影响因子进行处理， 得到处理 后的样本集； 步骤3， 构建麻雀搜索算法优化核极限学习机预测模型， 通过步骤2所得的样本集进行 训练， 从而对风电功率进行 预测。 2.根据权利要求1所述的基于麻雀搜索算法优化核极限学习机的风电功率预测方法， 其特征在于： 所述步骤1的具体过程为： 从风电厂收集风电功率数据和多维气象数据， 其中 多维气象数据包括： 风速、 风向、 湿度、 机舱温度、 叶桨温度； 通过主成份分析法确定风电功 率主导影响因子分别为 风速和风向。 3.根据权利要求2所述的基于麻雀搜索算法优化核极限学习机的风电功率预测方法， 其特征在于： 所述步骤2的具体过程为： 使用Thompsontau ‑四分位法对步骤1所得到的风速、 风向数据进行分段识别， 剔除因记录出错、 测 量仪器出错或是设备关停所导致的功率与风 速极度不对应的异常数据点， 并将剩余的数据进行归一化处理转化为标准值， 得到清理后 的样本集。 4.根据权利要求3所述的基于麻雀搜索算法优化核极限学习机的风电功率预测方法， 其特征在于： 所述 步骤3的具体过程 为： 步骤3.1， 确定核极限学习机的训练参数； 步骤3.2， 使用麻雀搜索算法对核极限学习机中的训练参数进行自动寻 参； 步骤3.3， 将风速、 风向作为核极限学习机的输入， 以风电功率作为输出， 代入步骤2所 得的清理后的样本集， 将样本集分为训练样本和预测样本， 进行风电功率预测并得到预测 功率。 5.根据权利要求4所述的基于麻雀搜索算法优化核极限学习机的风电功率预测方法， 其特征在于： 所述步骤3.1中， 核极限学习机的训练参数分别为： 激活函数、 核函数矩阵与正 则化系数。 6.根据权利要求5所述的基于麻雀搜索算法优化核极限学习机的风电功率预测方法， 其特征在于： 所述步骤3.2中， 正则化系数和核函数矩阵使用麻雀搜索算法对核极限学习机 中的核函数矩阵和正则化系数进行自动寻 参。权　利　要　求　书 1/1 页 2 CN 114065610 A 2基于麻雀搜索算法优化核 极限学习机的风电功率 预测方法 技术领域 [0001]本发明属于风电功率预测技术领域， 涉及 一种基于麻雀搜索算法优化核极限学习 机的风电功率预测方法。 背景技术 [0002]随着能源与环境问题的日益突出， 风能作为一种无污染、 可持续的清洁能源成为 了可再生能源发展的关注点， 国内风力发电水平也保持着稳步增 长， 2018年风力发电量达 到了3660亿千瓦时， 占全部发电量的5.2％。 风电功率预测对电网调度有着重要的指导意 义。 改良风电功率预测算法， 提高风电功率预测精度在此 过程中显得 尤为重要。 [0003]目前， 风电功率预测的方法主要有传统预测方法： 时间序列法、 回归分析法等， 新 型预测方法： 神经网络算法、 支持向量机、 极限学习机、 遗传算法等。 目前这些智能算法模型 的预测性能尚存在受自身参数影响较大， 参数寻优能力不足， 局部搜索能力差容易陷入局 部最优解， 预测精度不高的问题。 [0004]为了提高风电功率预测的精度， 构建了麻雀搜索算法优化核极限学习机预测模 型， 将智能优化算法和极限学习机模型相结合， 利用麻雀搜索算法对核极限学习机的正则 化系数和核函数参数进行自动寻优， 从而提高风电功率预测精度和收敛速度。 发明内容 [0005]本发明的目的是提供一种基于麻雀搜索算法优化核极限学习机的风电功率预测 方法， 该方法解决了目前风电功率预测精度低， 预测性能受自身参数影响较大的问题。 [0006]本发明所采用的技术方案是， 基于麻雀搜索算法优化核极限学习机的风电功率预 测方法， 具体包括如下步骤： [0007]步骤1， 确定影响风电功率的主导影响因子； [0008]步骤2， 使用Thompson  tau‑四分位法对步骤1确定的主导影响因子进行异常值处 理， 得到处 理后的样本集； [0009]步骤3， 构建麻雀搜索算法优化核极 限学习机预测模型， 通过步骤2所得的样本集 进行训练， 从而对风电功率进行 预测。 [0010]本发明的特点还在于： [0011]步骤1的具体过程为： 从风电厂收集风电功率数据和多维气象数据， 其中多维气象 数据包括： 风速、 风向、 湿度、 机舱温度、 叶桨温度； 通过主成份分析法确定风电功率主导影 响因子分别为 风速和风向。 [0012]步骤2的具体过程为： 使用Thompson  tau‑四分位法对步骤1所得到的风速、 风向数 据进行分段识别， 剔除因记录出错、 测 量仪器出错或是设备关停所导致的功率与风速极度 不对应的异常数据点， 并将剩余的数据进行归一化处理转化为标准值， 得到清理后的样本 集。 [0013]步骤3的具体过程 为：说　明　书 1/4 页 3 CN 114065610 A 3