[發(fā)明專利]一種風(fēng)電功率概率預(yù)測模型建立方法

在審

• 申請?zhí)枺?/td>: 202010834929.X
• 申請日: 2020-08-19
• 公開（公告）號: CN111985711A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計）人: 李永剛;王月;吳濱源
• 申請（專利權(quán)）人: 華北電力大學(xué)（保定）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;H02J3/00
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 李興林

本發(fā)明公開了一種風(fēng)電功率概率預(yù)測模型建立方法，包括以下步驟：剔除初始數(shù)據(jù)集中的異常值，并基于灰色關(guān)聯(lián)理論，選取與風(fēng)電功率關(guān)聯(lián)度大于預(yù)設(shè)閾值的氣象變量作為風(fēng)電功率概率預(yù)測模型的訓(xùn)練數(shù)據(jù)集；建立改進(jìn)自然梯度提升元模型：實現(xiàn)參數(shù)向量更新；對多個改進(jìn)自然梯度提升元模型進(jìn)行Blending模型融合，建立新的元模型進(jìn)行訓(xùn)練，從而輸出最終預(yù)測統(tǒng)計參數(shù)向量。本發(fā)明提供的風(fēng)電功率概率預(yù)測模型建立方法，可提供完整風(fēng)電功率不確定性信息，具有更高預(yù)測區(qū)域覆蓋率和更小預(yù)測區(qū)間平均寬度占比，為構(gòu)建高效智能的新能源電力系統(tǒng)提供更準(zhǔn)確參考。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)電場風(fēng)電功率預(yù)測技術(shù)領(lǐng)域，特別是涉及一種風(fēng)電功率概率預(yù)測模型建立方法。

背景技術(shù)

隨著能源結(jié)構(gòu)低碳式發(fā)展，以風(fēng)電為代表的可再生能源電網(wǎng)滲透率逐年攀升。但受制于風(fēng)能的強隨機性，風(fēng)電功率存在嚴(yán)重波動，僅對其進(jìn)行點預(yù)測無法獲取完整的不確定性信息，電網(wǎng)安全穩(wěn)定運行面臨挑戰(zhàn)。因此，為了更好利用風(fēng)力發(fā)電，有效調(diào)整調(diào)度計劃，擴(kuò)大風(fēng)電競價并網(wǎng)優(yōu)勢，對風(fēng)電功率進(jìn)行精確概率預(yù)測是關(guān)鍵。但是應(yīng)建立怎樣的概率預(yù)測模型，如何選取模型輸入變量，如何對模型進(jìn)行優(yōu)化以提高預(yù)測能力和泛化能力，尚沒有明確的定義。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種風(fēng)電功率概率預(yù)測模型建立方法，可預(yù)測獲取風(fēng)電功率的不確定性信息，有利于提升風(fēng)電網(wǎng)的運行可靠性，解決了由于風(fēng)電功率缺少不確定信息導(dǎo)致的風(fēng)力發(fā)電消納水平低、調(diào)度計劃制定困難的問題。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種風(fēng)電功率概率預(yù)測模型建立方法，該方法包括以下步驟：

S1，數(shù)據(jù)預(yù)處理：剔除初始數(shù)據(jù)集中的異常值，并基于灰色關(guān)聯(lián)理論，選取與風(fēng)電功率關(guān)聯(lián)度大于預(yù)設(shè)閾值的氣象變量作為風(fēng)電功率概率預(yù)測模型的訓(xùn)練數(shù)據(jù)集；

S2，建立改進(jìn)自然梯度提升元模型：基于訓(xùn)練數(shù)據(jù)集，預(yù)測風(fēng)電功率概率分布的參數(shù)向量，通過Fisher信息量在一般梯度和自然梯度間建立聯(lián)系，選取分類和回歸樹作為基學(xué)習(xí)器，建立改進(jìn)自然梯度提升元模型，實現(xiàn)參數(shù)向量更新；

S3，Blending模型融合：對多個改進(jìn)自然梯度提升元模型進(jìn)行Blending模型融合，建立新的元模型進(jìn)行訓(xùn)練，從而輸出最終預(yù)測統(tǒng)計參數(shù)向量。

可選的，所述步驟S1中，剔除初始數(shù)據(jù)集中的異常值，并基于灰色關(guān)聯(lián)理論，選取與風(fēng)電功率關(guān)聯(lián)度大于預(yù)設(shè)閾值的氣象變量作為風(fēng)電功率概率預(yù)測模型的訓(xùn)練數(shù)據(jù)集，具體包括：

S101，利用箱型圖剔除初始數(shù)據(jù)中的異常值；

S102，以風(fēng)電功率為參考數(shù)據(jù)列，相關(guān)氣象變量為對比數(shù)據(jù)列，對各序列進(jìn)行初值化處理，基于灰色關(guān)聯(lián)理論，計算關(guān)聯(lián)系數(shù)以表征兩組序列的關(guān)聯(lián)度，選取關(guān)聯(lián)度大于閾值的氣象變量作為預(yù)測模型的訓(xùn)練數(shù)據(jù)集。

可選的，所述步驟S101中，利用箱型圖剔除初始數(shù)據(jù)中的異常值，具體包括：

異常值截斷上下限由式(1)確定：

式中：min、max代表數(shù)據(jù)截斷的上限和下限；Q₁、Q₃分別代表上、下四分位數(shù)；IQR＝Q₃-Q₁。

可選的，所述步驟S102中，以風(fēng)電功率為參考數(shù)據(jù)列，相關(guān)氣象變量為對比數(shù)據(jù)列，對各序列進(jìn)行初值化處理，基于灰色關(guān)聯(lián)理論，計算關(guān)聯(lián)系數(shù)以表征兩組序列的關(guān)聯(lián)度，選取關(guān)聯(lián)度大于閾值的氣象變量作為預(yù)測模型的訓(xùn)練數(shù)據(jù)集，具體包括：