The invention discloses a multi-step wind speed prediction method based on Bayesian robust function regression, which includes data preprocessing, constructing a multi-step wind speed prediction model based on robust function regression, utilizing the parameters of the variational Bayesian optimization model, calculating the prediction value according to the estimated parameters and test set, and the multi-step wind of the invention. Speed forecasting method can deal with many kinds of resolution data, and can be robust to different actual forecasting tasks. It can also reduce the influence of redundant function variables on the final results, with high accuracy and small error, and can further improve the accuracy of wind speed forecasting.
【技术实现步骤摘要】
一种基于贝叶斯鲁棒函数回归的多步风速预报方法
本专利技术涉及新能源领域和统计学习领域,特别涉及一种基于贝叶斯鲁棒函数回归的多步风速预报方法。
技术介绍
当前,风电作为一种清洁、可再生的能源受到了越来越多的关注。大规模的风电并网将会在一定程度上缓解能源危机,并且能带来经济效益和减少环境污染。而从风电并网的角度来说,准确的风速和功率预报是保持风电系统稳定性和安全性的重要因素。当前,有多种风速及功率预报方法,根据建模理论,这些方法大体可分为5类:物理模型、传统的统计模型、基于人工智能的预报方法、空间相关模型以及组合模型。对于物理模型来说,它需要大规模的运算,并且一些物理数据很难得到。传统的统计模型主要包括自回归(AR)、自回归滑动平均模型(ARMA)和自回归积分滑动平均模型(ARIMA)等。通常,传统的统计模型主要拟合风速波动中的线性部分,而非线性部分通常用基于人工智能的方法如人工神经网络(ANN)和支持向量机(SVM))来拟合。因此,结合统计模型和基于人工智能的模型的特点,很多学者构建出基于以上两种模型的组合模型。对于空间相关模型来说,主要是考虑不同位置风速的空间关联性。对于某一特定站点来说,该位置上的风速与其相邻站点的风速具有相似性。因此,对本站点的风速进行预测时,不仅考虑本站点的相关数据,而且考虑相邻站点的风速数据会提高预测精度。基于空间相关模型的风速预报方法主要是从其相邻的站点挖掘出更多的描述风速波动的解释变量。如果相邻站点没有相关站点,很多学者就转而从本站点搜集更多的相关变量,如气温、气压、湿度以及风向等。然而数据本身的信息并没有得到充分地利用。原始的 ...
【技术保护点】
1.一种基于贝叶斯鲁棒函数回归的多步风速预报方法,其特征在于,包括以下步骤:1)数据预处理:将每10分钟内120个5秒风速点看成是一个单元,并存储在MATLAB中,然后对每个单元中所有的数据求取平均得到10分钟平均风速时间序列,然后根据实际情况确定多步预测的预测步长,低分辨率预测输入的个数以及相应的高分辨率风速输入的个数;2)构造鲁棒函数回归的多步风速预报模型:将传统的回归模型和函数回归模型进行融合,构造出能够处理多分辨率数据的函数型回归模型
【技术特征摘要】
1.一种基于贝叶斯鲁棒函数回归的多步风速预报方法,其特征在于,包括以下步骤:1)数据预处理:将每10分钟内120个5秒风速点看成是一个单元,并存储在MATLAB中,然后对每个单元中所有的数据求取平均得到10分钟平均风速时间序列,然后根据实际情况确定多步预测的预测步长,低分辨率预测输入的个数以及相应的高分辨率风速输入的个数;2)构造鲁棒函数回归的多步风速预报模型:将传统的回归模型和函数回归模型进行融合,构造出能够处理多分辨率数据的函数型回归模型所述的x,y表示模型的输入和输出,模表示低分辨率输入,w、ε表示线性回归系数和误差项,x(t),β(t)是关于t的函数型变量和相应的函数型回归系数;进行多步预报时,上述模型可转化为所述的ziwj项处理的是低分辨率数据,即10分钟平均的风速数据;所述的项处理的是高分辨率数据,即10分钟内所有的5秒风速数据;根据函数主成分分析理论,对模型进行近似表示,得到所述的矩阵根据训练数据直接求取,和都是待求的参数;假定每一步风速预报误差都服从多混合高斯分布,将多混合高斯分布用多层生成模型表示为:rijk~M(rijk|πj),πj~D(πj|a0);所述的N(·)表示高斯分布,K表示混合高斯分布中单高斯的个数,表示高斯分布的方差;所述的rijk表示指示变量,M(·)和D(·)分别表示多项式分布和狄利克雷分布,a0表示的是狄利克雷分布中的参数;给定变量多拉普拉斯先验,以实现函数型变量的...
【专利技术属性】
技术研发人员:胡清华,汪运,王铮,
申请(专利权)人:天津大学,中国电力科学研究院有限公司,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。