1.一种风速预测方法,其特征在于,包括:
确定用于预测的历史风速数据序列;
利用奇异谱分析将所述历史风速数据序列分解为多个子序列,并对所述子序列进行重构;
利用预先训练得到的布谷鸟优化极限学习机分别对各个所述子序列进行预测,得到子预测结果;
根据各个所述子预测结果,确定最终预测结果。
2.如权利要求1所述的方法,其特征在于,所述利用奇异谱分析将所述历史风速数据序列分解为多个子序列,并对所述子序列进行重构包括:
将所述历史风速数据序列记为Y=(y1,y2,...yN),其中,N为风速数据的数量;
将所述历史风速数据序列按照预先确定窗口长度L划分为K个子序列,并将所述子序列记为Xi=(yi,yi+1,...yi+l-1),其中,K=N-L+1,i∈(1,K);
根据各个所述子序列,确定所述历史风速数据序列的轨迹矩阵:
对所述轨迹矩阵进行奇异值分解,并按照奇异谱分析进行展开,则其中,j∈(1,M),M∈(1,L),
Ekj为时间经验正交函数中的第k维第j列;
将Xi的第K个主成分记为则:
选择奇异值较大的r个主成分相加,得到重构后的子序列,则重构的子序列i=1,...,N。
3.如权利要求1所述的方法,其特征在于,所述布谷鸟优化极限学习机的训练过程包括:
随机生成初始种群所述初始种群包括M个鸟巢,所述初始种群中的第i个鸟巢
其中,n和l分别为极限学习机的输入层的层数和隐含层的层数,wnl为所述输入层第n个节点到所述隐含层第l个节点的输入权值,bl为所述隐含层第l节点的偏置;
每次迭代开始时,按照莱维飞行原理对第t-1代种群中的各个鸟巢进行更新,得到
其中1≤t≤T;
计算中各个鸟巢的适应度,并比较
和
的适应度大小,若
的适应度小于
的适应度,则将
更新到
所在的位置,其中
为第t-1代种群中第i个鸟巢;
生成随机数r∈(0,1),并比较r和Pa的大小,其中Pa为预设的发现概率;
若r>Pa,则生成一个随机步长,并以所述随机步长更新得到第t代种群
若r<Pa,则按照对
中的各个鸟巢进行更新,得到第t代种群
其中,随机维数d1∈(1,D),随机维数d2∈(1,D),D为鸟巢的维数;
计算中各个鸟巢的适应度,并比较
和
的适应度大小,若
的适应度大于
的适应度,则将
更新到
所在的位置;
判断t是否等于T;若不等于,则t=t+1并继续进行迭代;若等于,则确定所述第t代种群中适应度最大的鸟巢
根据鸟巢
确定所述极限学习机中各个所述隐含层的偏置、以及所述输入层到所述隐含层的输入权值,以完成所述布谷鸟优化极限学习机的训练。
4.如权利要求3所述的方法,其特征在于,所述以所述随机步长更新的公式具体为:
其中,α为步长控制量,L(λ)为随机搜索路径,
为点对点乘法。
5.如权利要求1所述的方法,其特征在于,所述确定用于预测的历史风速数据序列包括:
确定用于预测的历史风速数据序列,并对所述历史风速数据序列进行预处理。
6.如权利要求1所述的方法,其特征在于,所述根据各个所述子预测结果,确定最终预测结果包括:
对各个所述子预测结果求和,得到最终预测结果。
7.一种风速预测装置,其特征在于,包括:
确定模块:用于确定用于预测的历史风速数据序列;
分解重构模块:用于利用奇异谱分析将所述历史风速数据序列分解为多个子序列,并对所述子序列进行重构;
子预测结果确定模块:用于利用预先训练得到的布谷鸟优化极限学习机分别对各个所述子序列进行预测,得到子预测结果;
最终预测结果确定模块:用于根据各个所述子预测结果,确定最终预测结果。
8.一种风速预测设备,其特征在于,包括:
存储器:用于存储计算机程序;
处理器:用于执行所述计算机程序以实现如权利要求1-6任意一项所述的一种风速预测方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述的一种风速预测方法的步骤。