【技术实现步骤摘要】
一种风功率预测方法
本专利技术属于新能源
,涉及一种风功率预测方法。
技术介绍
21世纪以来,随着传统化石能源日渐枯竭,以风电为代表的可再生能源开始成为世界能源开发的趋势与潮流。可再生能源在以下几个方面有不可替代的作用:由于在发电过程中没有污染气体的排放,有效的保护了生态环境,其次也保证了确保国家的能源安全,最后由于它的成本一般较低,具有无可比拟的经济性。目前常用的风电功率预测方法存在一定不足,其体现在预测过程中,多数预测模型将风电场的所有历史数据作为模型输入,未能对特征信息(风电功率、风速、气温、气压等)进行重要性的排序与筛选,从而降低了预测精度与效果。此外相对优秀的启发式预测方法也存在着隐含层不足,无法深度捕捉模型输入与输出关系的问题。再次,风电功率数据受到风速、风向和气压等气象因素的影响,一些模型在对风功率数据进行分解的时候忽略了这些影响因素对风功率数据的影响,使得预测效果不佳。
技术实现思路
本专利技术的目的是提供一种风功率预测方法,解决了现有技术中存在的风功率的预测精度低的问题。本专利技术所采用的技术方案是,一种风功率预测方法,包括以下步骤:步骤1、将风电功率历史值、天气因素(风向、风速、气温、气压、湿度等)历史值等特征信息作为训练数据集用于训练随机森林RF;步骤2、计算出所有特征信息的PI值,利用序列的反向搜索方法挑选出风电功率最优特征信息集合Q;步骤3、将最优特征信息集合Q的历史值作为训练DNN网络的数据集,输入至DNN模型,完成DNN的 ...
【技术保护点】
1.一种风功率预测方法,其特征在于,包括以下步骤:/n步骤1、将风电功率历史值、天气因素即风向、风速、气温、气压、湿度历史值特征信息作为训练数据集用于训练随机森林RF,计算出所有特征信息的PI值,利用序列的反向搜索方法挑选出风电功率最优特征信息集合Q;/n步骤2、将最优特征信息集合Q的历史值作为训练DNN网络的数据集,输入至DNN模型,完成DNN的初始化;使用受限玻尔兹曼机逐层对DNN网络进行粗略的预训练,通过RBM的计算得到与收敛解近似的隐含层权重系数w与阈值系数b;/n步骤3、通过粒子群优化算法对权重系数与阈值系数进行更为精细的调整,得到参数优良的DNN网络;/n步骤4、将最优特征信息集合Q组成的预测数据集作为DNN模型输入,通过计算得到待预测的风电功率数值。/n
【技术特征摘要】
1.一种风功率预测方法,其特征在于,包括以下步骤:
步骤1、将风电功率历史值、天气因素即风向、风速、气温、气压、湿度历史值特征信息作为训练数据集用于训练随机森林RF,计算出所有特征信息的PI值,利用序列的反向搜索方法挑选出风电功率最优特征信息集合Q;
步骤2、将最优特征信息集合Q的历史值作为训练DNN网络的数据集,输入至DNN模型,完成DNN的初始化;使用受限玻尔兹曼机逐层对DNN网络进行粗略的预训练,通过RBM的计算得到与收敛解近似的隐含层权重系数w与阈值系数b;
步骤3、通过粒子群优化算法对权重系数与阈值系数进行更为精细的调整,得到参数优良的DNN网络;
步骤4、将最优特征信息集合Q组成的预测数据集作为DNN模型输入,通过计算得到待预测的风电功率数值。
2.根据权利要求1所述的一种风功率预测方法,其特征在于,所述步骤1具体包括:
步骤1.1、以初始风电功率特征信息集合作为输入,以此训练随机森林。待训练完成后,可以得到所有特征信息的PI值,此时利用测试集评估随机森林算法的预测精度Pall,并把这个值设定为预测阈值;
步骤1.2、把所有特征信息的PI值按从大到小的顺序进行排序。排序完成后,将前10个PI值对应的特征信息导入至初始为空集合的粗选特征信息集合Qpre中,同时把这些特征信息从初始的特征集合M中删除;
步骤1.3:使用再一次训练随机森林,并得到测试的预测误差式中的右上角标i代表信息集合Qpre的特征信息个数;
步骤1.4:判断的大小关系,若那么就向特征信息集合中再添加十个特征信息构成一个新的集合如果就不再向Qpre中添加特征信息,否则就继续在M内选择重要性最大的前十个特征信息进行添加。
3.根据权利要求1所述的一种风功率预测方法,其特征在于,所述步骤2具体包括:
步骤2.1、使用受限玻尔兹曼机时,采用目前常用的单步长交替GIbbs采样的对比散度算法(ContrastiveDivergence)进行训练,从而大大的提升RBM的训练速度。算法一开始的初值是已知的训练样本值,以此作为可见节点单元向量的初值状态,并记为vdata,之后使用式(20)计算出隐含层的初始状态值hdata:
式中:m——可见层的可见单元的个数;
在第一次对隐含层的所有单元完成迭代计算后,进行一次整体的交替GIbbs采样,也就是利用式(21)对所有可见单元的状态进行调整,从而得到vnew,之后利用之前的式(20)对隐含单元的状态进行调整,得到hnew;
由此,可以得到可见节点单元与隐含节点单元的权值更新公式、可见节点单元与隐含节点单元的阈值更新公式为:
Δwij=s·(<vi·hj>data-<vi...
【专利技术属性】
技术研发人员:杨勇,秦睿,崔力心,马镇东,郑晶晶,周治伊,王永年,牛浩明,王伟,何欣,祁莹,张彦凯,刘文飞,张旭军,张刚,
申请(专利权)人:国网甘肃省电力公司电力科学研究院,国网甘肃综合能源服务有限公司,西安理工大学,
类型:发明
国别省市:甘肃;62
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。