风电功率组合预测模型的自适应动态权重确定方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201310414783.3 

申 请 日：20130912 

发 明 人：杨余鸿王平邵伟华曾欣 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙正街174号 

公 开 日：20160504 

公 开 号：CN103440428B 

代 理 人：赵荣之 

代理机构：北京同恒源知识产权代理有限公司 11275 

摘　　要：本发明公开了一种风电功率组合预测模型的自适应动态权重确定方法；该方法首先根据概率和权重系数有同质性的特点，用一种改进的概率权方法与优化方法相结合确定组合模型中各子模型权重，得出静态组合模型中最优权重系数分配方法，在静态最优权重系数分配方法的基础上，通过自学习，得出动态组合模型中最优权重系数分配方法以及自适应的组合模型，采用滑动平移模型动态计算组合模型的最优权重；由于动态最优权重系数分配方法实现了风功率预测的自适应跟踪调节，并且对风电功率数据的概率分布没有严格要求，因此本发明方法具有较广的适应范围，能够有效减小风电功率组合模型预测的不稳定性和误差，具有较强的工程实用价值。 

主 权 项：风电功率组合预测模型的自适应动态权重确定方法，其特征在于，包括如下步骤：步骤1)根据概率权思想和优化方法确定静态情况下组合模型中最优权重系数分配；步骤2)在静态最优权重系数分配方法的基础上，确定动态情况下自适应性组合模型中最优权重系数分配；所述步骤1)具体包括以下子步骤：步骤11)设有n个风电功率预测子模型，设在第k个时间点第i个子模型的风电功率预测值为随机变量，则n个风电功率预测子模型的预测值构成矩阵X＝(X_ij)_n×k，X_ij表示第i个子模型的第j个时间点的风电功率预测值；步骤12)假定第i个子模型k个点风电功率预测数据的数学期望E(X_i)＝μ_i和方差D(X_i)＝σ_i²未知，根据矩阵X＝(X_ij)_n×k，求出样本均值估计和方差估计由于风电功率预测数据大，用均值估计和方差估计代替均值μ_i和方差σ_i²，即${{\sigma }_i}^2\approx \widehat{{{\sigma }_i}^2};$步骤13)对于第i个子模型的风电功率预测值X_i，若由E(X_i)＝μ_i，D(X_i)＝σ_i²，可得$p_i=P\{m_i\le X_i\le M_i\}=P\{m_i-{\hat{\mu }}_i\le X_i-{\hat{\mu }}_i\le M_i-{\hat{\mu }}_i\};$步骤14)设定正整数${ϵ}_i=min\left\{|M_i-{\hat{\mu }}_i|,|m_i-{\hat{\mu }}_i|\right\},$则有$P\left\{m_i-{\hat{\mu }}_i\le X_i-{\hat{\mu }}_i\le M_i-{\hat{\mu }}_i\right\}\ge P\left\{-{ϵ}_i\le X_i-{\hat{\mu }}_i\le {ϵ}_i\right\}\ge P\left\{-{ϵ}_i<X_i-{\hat{\mu }}_i<{ϵ}_i\right\};$根据第i个子模型前k个点得到切比雪夫不等式计算出风电功率数据随机变量X_i在取值范围的概率p_i的下限；步骤15)求出各个风电功率预测子模型的比较系数g_i，步骤16)对g_i进行归一化处理，得到各子模型的权重系数w_i，步骤17)确定优化方法的目标函数u；$u=\min \left\{\underset{j=1}{\overset{k}{\Sigma }}{[\underset{i=1}{\overset{n}{\Sigma }}(w_i·x_{ij})-s_j]}^2\right\},k=1,2...t,$x_ij为第i个子模型在第j个时间点风电功率的预测值，s_j为对应时刻第j个时间点风电功率数据的历史实际值；步骤18)设定k值的取值上限t的大小，分别计算目标函数u，搜索目标函数u最小值时所对应的k值；步骤19)将搜索得到的已知k值返回步骤12)～步骤16)，计算得到各个子模型权重w_i的最优分配。 

关 键 词： 

法律状态：公开 

IPC专利分类号：G06Q10/04(2012.01)I;G06Q50/06(2012.01)I