【技术实现步骤摘要】
本专利技术属于可再生能源发电预测，尤其涉及一种风电功率在线概率预测方法。
技术介绍
1、风电具有发电边际成本低、低碳环保的优点，但是风电出力的不确定性及其机组动态特性给传统电力系统的安全经济运行带来诸多挑战。在现有气象建模水平下，传统的点预测方法的准确性难以提高，因而对于新型电力系统运行的支撑作用有限。相比之下，概率预测提供了未来时刻风电出力的概率分布，有助于系统调度决策，因此日益受到学术界与产业界的关注。
2、风电功率概率预测对现有信息，如数值气象预测和历史出力值进行处理，得出未来时刻下风电出力的概率分布，并通过概率密度、分位数或预测区间等形式呈现。近年来，学界通常采用机器学习方法建立已知信息与待预测概率分布之间的映射，将已知信息的变量称为解释变量，待预测的变量称为预测变量。例如，结合分位数回归方法与神经网络模型对风电功率进行区间预测，将损失函数设置为区间的宽度与覆盖率的函数。采用标准化流模型对高斯分布进行变换，从而得到风电功率的概率分布，提升了概率密度预测的准确性。但是目前的风电功率概率预测方法大多采用基于模型系数不变的...
【技术保护点】
1.一种风电功率在线概率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种风电功率在线概率预测方法，其特征在于，获取所述分位数神经网络模型由凸神经网络模型构成。
3.根据权利要求2所述的一种风电功率在线概率预测方法，其特征在于，所述凸神经网络模型由预设层凸神经网络构成；
4.根据权利要求3所述的一种风电功率在线概率预测方法，其特征在于，所述动态局部遗憾度为：
5.根据权利要求1所述的一种风电功率在线概率预测方法，其特征在于，获取风电功率的分位数包括：
6.根据权利要求5所述的一种风电功率在线概率预测方...
【技术特征摘要】
1.一种风电功率在线概率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种风电功率在线概率预测方法，其特征在于，获取所述分位数神经网络模型由凸神经网络模型构成。
3.根据权利要求2所述的一种风电功率在线概率预测方法，其特征在于，所述凸神经网络模型由预设层凸神经网络构成；
4.根据权利要求3所述的一种风电功率在线概率预测方法，其特征在于，所述动态局部遗憾度为：
5.根据权利要求1...
【专利技术属性】
技术研发人员：李泽民，刘雁行，乔如妤，梁楠，徐恺，于凯，李旭东，冯军，孔繁春，
申请(专利权)人：内蒙古电力集团有限责任公司电力营销服务与运营管理分公司，
类型：发明
国别省市：
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。