【技术实现步骤摘要】
本专利技术涉及风电功率预测，尤其涉及一种风电预测误差不确定性建模方法及装置。
技术介绍
1、由于风力发电面临较高的不确定性，当前风电场一般采用风电功率预测来提高风电并网可靠性，风电功率预测广泛采用基于数值天气预测(numerical weatherprediction，nwp)的物理模型、以nwp数据和历史数据为输入的统计模型和基于历史数据的统计模型，各种方法的点预测的误差发生概率均为100％，而且事实证明在原始的nwp速度预测中存在一些随机和系统性的偏差，因此，有必要针对新能源预测误差进行不确定性建模。
2、常用的不确定性建模方法包括区间建模、分位数回归建模、场景建模和概率密度建模，其中概率密度建模包含的信息最为全面，其他类型的结果都可以基于概率密度模型而得到。不确定性的概率建模可以分为参数估计和非参数估计方法。参数估计需要对数据服从的分布类型做出假设，然后基于数据确定最佳分布参数。常用的参数估计方法包括高斯分布、指数分布、β分布等。非参数估计受基础分布类型的影响很小，无需假设数据特征和先验知识，而是根据数据本身的累计特性...
【技术保护点】
1.一种风电预测误差不确定性建模方法，其特征在于，包括：
2.根据权利要求1所述的风电预测误差不确定性建模方法，其特征在于，所述对所述风电样本集进行预处理，得到风电样本分布域，包括：
3.根据权利要求1所述的风电预测误差不确定性建模方法，其特征在于，基于所述风电样本分布域，采用高斯融合方法，改进在线自适应核密度方法，确定多随机变量的联合概率密度模型，包括：
4.根据权利要求3所述的风电预测误差不确定性建模方法，其特征在于，其中，为经过k次更新后的第j个高斯分量的权重，为经过k次更新后的第j个高斯分量的均值向量，为经过k次更新后的第j...
【技术特征摘要】
1.一种风电预测误差不确定性建模方法，其特征在于，包括：
2.根据权利要求1所述的风电预测误差不确定性建模方法，其特征在于，所述对所述风电样本集进行预处理，得到风电样本分布域，包括：
3.根据权利要求1所述的风电预测误差不确定性建模方法，其特征在于，基于所述风电样本分布域，采用高斯融合方法，改进在线自适应核密度方法，确定多随机变量的联合概率密度模型，包括：
4.根据权利要求3所述的风电预测误差不确定性建模方法，其特征在于，其中，为经过k次更新后的第j个高斯分量的权重，为经过k次更新后的第j个高斯分量的均值向量，为经过k次更新后的第j个高斯分量的协标准差矩阵，为经过k次更新后的第j个高斯概率密度函数，c(k)为经过k次更新后的高斯概率密度函数的数量，
5.根据权利要求4所述的风电预测误差不确定性建模方法，其特征在于，所述基于所述s，进行高斯分量插入或高斯分...
【专利技术属性】
技术研发人员：于腾凯，杨鹏，梁纪峰，戎士洋，王蕾报，张琦，谭大帅，
申请(专利权)人：国网河北省电力有限公司电力科学研究院，
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。