一种短期风电功率区间预测方法技术

本发明专利技术公开了一种短期风电功率区间预测方法，所述方法如下：采用VMD对风电功率序列进行分解，计算分解后各子序列的样本熵，把样本熵接近的子序列重组成新的子序列，对重组后的子序列分别建立GPR模型，对风电功率序列的概率区间进行预测，最后将各个子序列的预测结果叠加获得最终的短期风电功率区间预测结果。本发明专利技术为短期风电功率区间预测提供了一种科学、有效的方法，具有良好的区间覆盖率以及预测准确度，较窄的区间宽度，有利于电力系统的调度和运营。

A short-term wind power interval prediction method

The invention discloses a short-term wind power interval prediction method. The method is as follows: the wind power sequence is decomposed by VMD, the sample entropy of each subsequence is calculated, the subsequence whose entropy is close to the sample is reconstructed into a new subsequence, the reconstructed subsequence is reconstructed into a GPR model, and the wind power sequence is reconstructed. The probability interval is forecasted. Finally, the forecasting results of each subsequence are superimposed to obtain the final short-term wind power interval forecasting results. The invention provides a scientific and effective method for short-term wind power interval prediction, has good interval coverage, prediction accuracy, narrow interval width, and is favorable for power system dispatch and operation.

【技术实现步骤摘要】
一种短期风电功率区间预测方法
本专利技术涉及风电功率预测领域，尤其涉及一种短期风电功率区间预测方法。
技术介绍
近年来，全球气候变暖速度加快、环境污染问题日益严峻。为了减轻环境污染，同时缓解化石燃料的过度消耗所造成的能量枯竭危机，许多国家已经将目光投向发展可再生能源和清洁能源。风能作为一种高效清洁，永不枯竭的可再生资源，日益受到世界各国的高度重视，并得到了广泛的开发和利用。风的波动性和随机性使得风能具有很强的不确定性和混沌特性，随着风电并网比重的日益增大，风电给电力系统的可靠性、电能质量以及电网调度等提出了新的要求和挑战。风电功率预测结果的准确性直接影响电力系统调度计划的制定，准确的风电功率预测有利于风电行业的发展。目前风电功率预测可以分为：物理方法、统计方法、混合预测等方法，其中统计方法又分为常规统计方法和人工智能方法。但这些方法都是确定性的点预测方法，其结果不具有概率意义，难以描述风电功率的随机性和不确定性。随着风电并网规模日益扩大，对风电功率区间预测的研究变得不可或缺。目前区间预测方法较点预测方法，仍然较少。
技术实现思路
本专利技术目的在于克服现有技术的不足，提供了一种科学、有效本文档来自技高网...

【技术保护点】
1.一种短期风电功率区间预测方法，包括以下步骤：步骤1)对风功率数据进行归一化处理，将所有功率数据转化到[‑1,1]区间内；步骤2)采用VMD算法对归一化后的风电功率序列进行分解形成子序列；步骤3)采用样本熵对所述子序列的复杂性进行评估，根据公式

【技术特征摘要】
1.一种短期风电功率区间预测方法，包括以下步骤：步骤1)对风功率数据进行归一化处理，将所有功率数据转化到[-1,1]区间内；步骤2)采用VMD算法对归一化后的风电功率序列进行分解形成子序列；步骤3)采用样本熵对所述子序列的复杂性进行评估，根据公式计算子序列的样本熵，将样本熵接近的子序列叠加成新的子序列，完成子序列的重构；SampEn(N,m,v)表示样本熵，设定时间序列为{xi}＝{x(1),x(2),...,x(N)}，i＝1,2,...,N-m+1，设定X(i)为序列{xi}按顺序组成m维矢量，表示X(i)与模版匹配的概率，Pim+1(v)表示维度增大到m+1时X(i)与模版匹配的概率，N为数据的长度，m为维数，v为相似容限，v＞0；步骤4)对重构后的子序列分别建立GPR模型，对于时间点n，给定一个预测时间h，以及一个集合了所有解释变量的输入向量xn+h|n，预测第n+h时刻的风电功率的分布；步骤5)将各个子序列的预测结果叠加获得最终的短期风电功率区间预测结果。2.根据权利要求1所述的短期风电功率区间预测方法，其特征在于，所述步骤2)包括：步骤2-1)对子模态中心频率朗格朗日乘子以及迭代次数n进行初始化，k是指第k个子模态；步骤2-2)根据式和式更新得到和是子模态集合{uk}经过傅里叶变化后的结果，{ωk}是中心频率的集合；n表示迭代次数，α为二次惩罚项，ω为中心频率，是第k个子模态经过傅里叶变换的n次迭代后的输出量，表示第k个子模态在n次迭代后的中心频率，表示经过傅里叶变化的n次迭代后拉格朗日乘子，表示...

【专利技术属性】
技术研发人员：邓华，张颖超，李慧玲，顾荣，黄飞，支兴亮，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32