【技术实现步骤摘要】
本专利技术属于新能源发电和智能电网的
,涉及一种基于变分模态分解和相关向量机的风功率区间短期预测方法。
技术介绍
在化石能源紧缺和环境问题严峻的今天,开发利用清洁无污染的可再生能源已成共识。其中风力发电因其清洁无污染、储量丰富、可循环利用受到越来越多的重视与关注。由于自然风存在一定的随机性与波动性,当风电大规模接入电网时,电网的供需平衡与安全稳定运行在风机发生较大的功率波动时会造成巨大影响。因此准确的风功率预测是合理制定发电计划与安排系统备用的前提,是提高风电在电网的比重的关键。与传统确定性点预测的方法相比较,目前区间预测仍处于起步阶段。现有的区间预测方法大概可以归为一下几类:①基于Bootstrap重抽样法、②分位点法、③区间构造法、④概率预测法。其中采用Bootstrap重抽样法构造样本,需要大量处理数据,耗时较长;分位点法通过估计累计概率函数的分位数提供预测对象的概率信息,虽无需事先确定分布假设,但需要预先确定回归模型和分位点,模型计算量大;区间构造法通常先以某种点预测方法为基础,再通过误差分析等方法构造比例系数从而获得短期负荷的区间,但是其最优系数的获取不易;概率预测法多基于贝叶斯理论,其结果具有概率意义,可得出预测量的期望值及其分布特性,因而可以直接得出任意置信水平下的区间预测结果,但是有时也存在预测区间过大的问题。考虑实际风功率的随机性与波动性,直接对原始风功率序列进行预测的误差较大。目 ...
【技术保护点】
一种基于变分模态分解和相关向量机的风功率区间短期预测方法,其特征在于,包括以下步骤:步骤1:采用变分模态分解算法对原始的风功率序列进行分解,获得多个具有不同中心的分量;步骤2:按照以风功率待预测时刻前5个点的数据作为训练样本输入的原则对各分量数据进行处理,构造出训练样本与预测样本并归一化;步骤3:对相关向量机预测模型的参数采用网格搜索进行优化,得到最优化的核函数宽度和混合核系数权重,设定相关向量机预测模型的迭代初值;步骤4:求解核函数,得到各分量的预测值和方差;步骤5:将各分量的预测值进行叠加,得到一定置信度下的风功率的预测区间。
【技术特征摘要】
1.一种基于变分模态分解和相关向量机的风功率区间短期预测方法,其特征在于,
包括以下步骤:
步骤1:采用变分模态分解算法对原始的风功率序列进行分解,获得多个具有不同
中心的分量;
步骤2:按照以风功率待预测时刻前5个点的数据作为训练样本输入的原则对各分
量数据进行处理,构造出训练样本与预测样本并归一化;
步骤3:对相关向量机预测模型的参数采用网格搜索进行优化,得到最优化的核函
数宽度和混合核系数权重,设定相关向量机预测模型的迭代初值;
步骤4:求解核函数,得到各分量的预测值和方差;
步骤5:将各分量的预测值进行叠加,得到一定置信度下的风功率的预测区间。
2.根据权利要求1所述的一种基于变分模...
【专利技术属性】
技术研发人员:孙永辉,范磊,卫志农,孙国强,臧海祥,陈通,王越,陈悦,梁智,
申请(专利权)人:河海大学,
类型:发明
国别省市:江苏;32
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。