[發明專利]一種基于相對誤差熵值法的風電短期功率預測方法

有效

• 申請號: 201210472866.3
• 申請日: 2012-11-20
• 公開（公告）號: CN103023065A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 孟安波;殷豪;邢林華;陳金君
• 申請（專利權）人: 廣東工業大學;廣東電網公司揭陽供電局
• 主分類號: H02J3/38
• 分類號: H02J3/38;G06N3/02
• 代理公司: 廣州知友專利商標代理有限公司 44104
• 代理人: 周克佑;侯莉

1.一種基于相對誤差熵值法的風電短期功率預測方法，其特征在于包括以下步驟：

步驟1，獲取風電天氣與風電輸出功率歷史數據，對所述歷史數據進行預處理生成各種訓練樣本：

步驟2，動態選擇訓練樣本形成樣本集，選用不同的樣本集以分別建立貝葉斯神經網絡、誤差反饋加權時間序列及風電預測無偏灰色verhulst三個預測模型；

步驟3，分別采用貝葉斯神經網絡預測模型、風電預測無偏灰色verhulst預測模型及誤差反饋加權時間序列預測模型對預測日前一段時間連續預測，各獲得一組預測數據；

步驟4，分別統計由步驟3所得的每組預測數據的相對誤差，獲得三組相對誤差，計算每組相對誤差的熵值與變異程度系數，分別計算得到三個預測模型的權重系數；

步驟5，采用三個預測模型分別對預測日進行風電功率預測，獲得三組預測數據；

步驟6，將步驟4得到的權重系數與步驟5得到的三組預測數據進行組合預測，獲得風電短期功率預測結果。

2.根據權利要求1所述的基于相對誤差熵值法的風電短期功率預測方法，其特征在于：在所述步驟3中，所述預測日前一段時間為7～14天。

3.根據權利要求2所述的基于相對誤差熵值法的風電短期功率預測方法，其特征在于：在所述步驟2中，在構建貝葉斯神經網絡預測模型的過程中，采用正則化方法提高其泛化能力，誤差性能函數為：

msereg=β(1NΣi=1N(ti-ai)2)+α(1NΣi=1N(Wi)2)]]>

式中：N為樣本總數；e_i為誤差；t_i為實際風電功率目標值；a_i為神經網絡輸出預測值；msereg為改進后的誤差函數；α、β為正則化參數；E_w為網絡所有權值平方和的平均值；W_i為網絡權值；

正則化參數預測公式：

α=γ2Ewβ=N-γ2Ed]]>

式中，γ＝N-2αtr(H)^-1，H為msereg的F的赫森矩陣。