【技术实现步骤摘要】
本专利技术属于电力系统调度计划，特别是涉及一种基于多源特征的新能源场站功率预测误差概率建模方法。
技术介绍
1、在电网预测技术的发展中，对于不同时间尺度新能源有不同的预测误差，多时间尺度的调度模式更适合当前的高比例可再生能源系统，与传统的调度方法相比，概率调度基于概率预测信息进行决策调度，包含更多概率信息。随着随机预测技术的发展，对于新能源的概率建模也更加精确，但在对一个发电机群进行概率建模的过程中，如果使用单一的概率分布，会出现难以涵盖完成概率预测信息并且预测精度不高的问题。
2、因此，针对新能源出力的多维时空特征，需要考虑在多维输入特征下如何将特征信息作为输入向量，构建更为精确的概率模型。
技术实现思路
1、本专利技术的目的是提供一种基于多源特征的新能源场站功率预测误差概率建模方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种基于多源特征的新能源场站功率预测误差概率建模方法，包括：
3、获取新能源场站的历史数据，基于所述历史数据和高斯混合模型对新能源场站的预测误差概率分布进行建模，得到初始模型；对所述初始模型的模型参数进行更新并进行迭代，得到若干功率预测值及对应的预测误差；
4、基于所述初始模型并以各所述功率预测值作为条件构建条件概率模型；
5、构建混合密度网络，在所述条件概率模型中加入混合密度网络进行拟合迭代，并进行模型反向优化得到新能源场站功率预测误差概率模型；所述新能源场站功率预测误差
6、可选的，所述历史数据包括：新能源场站的功率预测值和实测值的历史数据及所述历史数据对应的历史时刻的多维输入特征数据。
7、可选的，对所述初始模型的模型参数进行更新并进行迭代，具体包括：
8、采用em算法对所述初始模型的模型参数进行更新并进行迭代。
9、可选的，基于所述初始模型并以各所述功率预测值作为条件构建条件概率模型，具体包括：
10、将各所述功率预测值作为条件，并对各所述功率预测值为条件下的预测误差进行建模，得到条件高斯混合模型，对所述初始模型和所述条件高斯混合模型进行拟合，得到条件概率模型。
11、可选的，将各所述功率预测值作为条件，并对各所述功率预测值为条件下的预测误差进行建模，得到条件高斯混合模型，具体包括：
12、在各所述功率预测值为条件下的预测误差进行建模时，对各所述功率预测值对应的预测误差进行分类及区间划分，得到若干预测误差区间，基于各所述预测误差区间构建所述条件高斯混合模型。
13、可选的，所述条件概率模型为：
14、
15、式中，fx|y(x|y)为概率密度函数，x为预测误差，y为预测值，k表示高斯混合分布中组分的总数，k表示第k个高斯分量，αk为每个高斯分量的系数，nk为第k个高斯分量的标识，表示第k个高斯分量的均值向量，表示第k个高斯分量的协方差矩阵。
16、可选的，所述混合密度网络的训练方法，包括：
17、获取训练数据；所述训练数据包括新能源场站的历史数据及对应的预测数据；
18、将所述训练数据输入混合密度网络进行预测，并以预测后的初始训练结果与所述预测数据之间的损失最小为目标，进行训练，得到所述混合密度网络。
19、可选的，进行模型反向优化得到新能源场站功率预测误差概率模型，具体包括：
20、将拟合迭代中当前时刻的功率预测值和实际值组成当前时刻出力向量，将所述当前时刻出力向量与下一时刻的功率预测值进行结合并作为输入向量输入所述混合密度网络中，得到基于当前时刻误差值和下一时刻预测值的条件概率模型。
21、本专利技术的技术效果为：
22、本专利技术提供的一种基于多源特征的新能源场站功率预测误差概率建模方法综合考虑新能源的波动性，能够利用多维建模方法拟合新能源概率分布，并利用混合神经密度网络实现对于多维输入特征的精确拟合，并在时空相关性特征下，考虑时间的强耦合性和空间集群的强相关性，实现对于新能源出力的综合建模，能够对电网调度和新能源集群调度起到支撑作用。
23、本专利技术综合考虑了新能源场站功率预测误差的多维度特征影响因素，包括时间、预测功率数值、前序时刻预测与实际值，构建含有多维特征输入的新能源场站功率预测误差概率模型；统计新能源场站历史上的功率预测值和实际可用功率值，并获取对应历史时刻的多维输入特征，形成用于拟合功率预测误差概率分布的历史样本；基于历史样本，采用混合密度网络，拟合混合密度网络的参数，最终得到含多维输入特征的新能源场站功率预测误差概率模型。本专利技术可以充分考虑对功率预测强相关的多维输入特征，并且可以广泛适用于各种离散与连续特征，能够实现对新能源场站功率预测误差的精确概率建模，建模结果可以为含新能源的电力系统调度运行决策提供参考。
本文档来自技高网...【技术保护点】
1.一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，所述历史数据包括：新能源场站的功率预测值和实测值的历史数据及所述历史数据对应的历史时刻的多维输入特征数据。
3.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，对所述初始模型的模型参数进行更新并进行迭代，具体包括：
4.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，基于所述初始模型并以各所述功率预测值作为条件构建条件概率模型，具体包括：
5.根据权利要求4所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，将各所述功率预测值作为条件，并对各所述功率预测值为条件下的预测误差进行建模，得到条件高斯混合模型，具体包括：
6.根据权利要求4所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，所述条件概率模型为：
7.根据权利要求1所述的
8.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，进行模型反向优化得到新能源场站功率预测误差概率模型，具体包括：
...【技术特征摘要】
1.一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，所述历史数据包括：新能源场站的功率预测值和实测值的历史数据及所述历史数据对应的历史时刻的多维输入特征数据。
3.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，对所述初始模型的模型参数进行更新并进行迭代，具体包括：
4.根据权利要求1所述的一种基于多源特征的新能源场站功率预测误差概率建模方法，其特征在于，基于所述初始模型并以各所述功率预测值作为条件构建条件概率模型，具体包括：
<...【专利技术属性】
技术研发人员：王巍，黄河，刘春晓，苏寅生，蔺晨晖，王彬，吴文传，袁泉，周毓敏，卢明富，黄兆棽，李文然，阮赵军，杨越，
申请(专利权)人：中国南方电网有限责任公司，
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。