基于因果正则化极限学习机的风电功率短期预测方法技术

本发明专利技术一种基于因果正则化极限学习机的风电功率短期预测方法，属于风电功率预测技术领域；包括生成干预样本集、计算神经元之间的平均因果效应、基于平均因果效应构成因果正则化项从而计算最优权重、基于最优权重建立预测模型预测未来风电功率、仿真计算和误差分析等步骤。本发明专利技术与现有的考虑或不考虑特征选择方法的预测模型相比，能更好地跟踪未来的功率趋势。基于因果正则化极限学习机的风电功率短期预测方法预测精度高、预测稳定性好，预测结果有效，适用性和实用性强。

【技术实现步骤摘要】

本专利技术属于风电功率预测，尤其涉及基于因果正则化极限学习机的风电功率短期预测方法。

技术介绍

1、由于全球化石燃料消耗所带来的环境恶化、能源枯竭等问题，使得可再生能源日益受到人们的青睐。由于风能本身的波动性、间歇性和随机性，大规模风电整合往往会对电网的安全性和稳定性产生负面影响。准确的风电功率预测有利于减少风电并入电力系统的不利影响，降低电网运行成本，提高电力系统的运行可靠性，有效确保电网安全。随着风电场数据来源的增加，输入特征会对基于数据驱动的风电功率预测模型的预测精度造成严重影响。因此，通常需要在模型训练之前采用特征选择对特征进行筛选，来降低模型训练时间和减少预测误差。然而，当将多种特征选择方法应用于同一数据集时，会出现不同方法筛选出不同特征子集的情况。为了避免上述情况，现有研究以开发多种基于稳定性度量的特征选择方法为主，但这些方法无法保证稳定性度量本身是稳定的。

2、因此，现有技术中亟需一种新的技术方案来解决上述问题。

技术实现思路

1、本专利技术所要解决的技术问题是：提供一种基于因果正则本文档来自技高网...

【技术保护点】

1.一种基于因果正则化极限学习机的风电功率短期预测方法，其特征在于，包括以下步骤，且以下步骤顺次进行：

2.根据权利要求1所述的基于因果正则化极限学习机的风电功率短期预测方法，其特征在于，所述步骤二中的平均因果效应计算公式为：

3.根据权利要求1所述的基于因果正则化极限学习机的风电功率短期预测方法，其特征在于，所述步骤三中最优权重的计算公式为：

【技术特征摘要】

1.一种基于因果正则化极限学习机的风电功率短期预测方法，其特征在于，包括以下步骤，且以下步骤顺次进行：

2.根据权利要求1所述的基于因果正则化极限学习机的风电功率短期预测方法...

【专利技术属性】
技术研发人员：杨茂，张书天，于欣楠，王勃，王钊，王铮，王姝，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：