专利交易市场

本发明公开了一种基于改进哈里斯鹰算法优化ELM的风速预测方法及系统，所述方法包括：(1)获取气象站点的历史风速数据和其他气象数据，对数据进行预处理及应用特定的正交矩阵处理；(2)采用拉丁超立方抽样对哈里斯鹰算法的初始种群进行初始化；对哈里斯鹰算法的局部搜索采用混沌搜索进行处理；(3)确定最优ELM参数并建立基于改进哈里斯鹰算法优化极限学习机的模型作为预测模型；(4)利用平均绝对误差、均方根误差等对测试样本和实际样本进行对比和评价。本发明测试了多组风速预测案例与对照组，本发明有更优异的预测精度，能够进一步提升风电并网和电力系统运行的可靠性和稳定性。

本发明涉及短期风速预测技术领域，公开了一种基于变分异方差高斯过程回归的短期风速预测方法，首先采用具适应性噪声的完全集合经验模态分解将原始风速时间序列分解为规律性更强的子序列集合，计算每个子序列的偏自相关函数值，并选择95%置信水平下显著的滞后时间序列作为输入变量；然后，采用变分异方差高斯过程回归对每个子序列进行训练与预测，最后，将所有子序列的预测结果进行合并，得到风速时间序列的最终预测结果。与现有技术相比，本发明采用变分异方差高斯过程回归模型对风速时间序列进行预测，其预测能力更强，且变分异方差高斯过程回归模型性能优于标准高斯过程回归模型，能够获得更高的预测精度。