[發明專利]一種用于風電功率的概率預報方法及系統

在審

• 申請號: 201711477025.0
• 申請日: 2017-12-29
• 公開（公告）號: CN109993335A
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 王釗;王偉勝;劉純;王勃;馮雙磊;王錚;姜文玲;趙艷青;車建峰;楊紅英;靳雙龍;胡菊;馬振強;宋宗朋;王姝;滑申冰
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網公司;國網山東省電力公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/18;G06Q50/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種用于風電功率的概率預報方法，其特征在于，包括：

從預先建立的風速概率密度函數模型中抽取風速樣本輸入預先建立的風速風電轉換模型，得到風電功率的樣本數據；

對所述風電功率的樣本數據進行核密度估計，得到所述風電功率的核密度估計擬合概率密度函數；

基于所述核密度估計擬合概率密度函數，從預設的置信度區間中提取概率預報結果。

2.根據權利要求1所述的概率預報方法，其特征在于，所述預先建立的風速概率密度函數模型，包括：

基于所述風速觀測數據，得到初始風速的分布擬合函數；

基于所述初始風速的分布擬合函數，確定風速概率密度函數。

3.根據權利要求2所述的概率預報方法，其特征在于，所述基于所述風速觀測數據，得到初始風速的分布擬合函數，包括：

基于所述風速集合預報成員和歷史數據的預報效果修正預報偏差，得到擬合分布所需的均值和方差；

基于所述均值以及方差，確定所述初始風速的分布擬合函數。

4.根據權利要求3所述的概率預報方法，其特征在于，所述基于所述均值以及方差，確定所述初始風速的分布擬合函數，包括：

所述初始風速的分布擬合函數的計算公式，如下所示：

式中，y為根據實際風場數據進行不同階數乘方處理后的風速,f_k為風速集合預報成員，α為形狀參數，β為尺度參數；

式中，μ_k為均值，σ_k為方差。

5.根據權利要求2所述的概率預報方法，其特征在于，所述基于所述初始風速的分布擬合函數，確定風速概率密度函數，包括：

基于所述初始風速的分布擬合函數，計算潛在變量；

利用所述潛在變量，計算潛在變量最大值的權重；

基于所述權重，利用對數似然函數，計算方差的線性修正參數；

交替迭代直到所述權重和所述線性修正參數的迭代結果小于預先設定的最小公差，則計算停止；

基于所述迭代結果，得到所述風速概率密度函數。

6.根據權利要求5所述的概率預報方法，其特征在于，計算第j+1次潛在變量的公式，如下所示：

其中，g^(j)(y_t|f_kt)為分布擬合函數，為第k個權重的第j次迭代結果，y_t為觀測值，n為觀測天數；

所述第j+1次潛在變量最大值的權重的計算公式，如下所示：

進行對數似然函數的偏導計算公式，如下所示：

得到第一線性修正參數c₀和第二線性修正參數c₁。

7.根據權利要求1所述的概率預報方法，其特征在于，所述從預先建立的風速概率密度函數模型中抽取風速樣本輸入預先建立的風速風電轉換模型，得到風電功率的樣本數據，包括：

利用風電轉換BP神經網絡，基于風速集合預報成員中的風速觀測數據和同一時刻的風電功率數據，擬合得到所述風速風電轉換模型；

采用隨機抽樣法從預先建立的風速概率密度函數模型中抽取所述風速樣本，得到風電功率預報。

8.根據權利要求1所述的概率預報方法，其特征在于，所述對所述風電功率的樣本數據進行核密度估計，得到所述風電功率的核密度估計擬合概率密度函數的表達式如下所示：

式中，z為中間變量，h為帶寬，K表示高斯核函數，n表示樣本天數，X_i表示第i個風電功率的樣本數據。