[发明专利]一种基于集合经验模态分解和相关向量机的风电功率实时预测方法在审

专利信息
申请号: 201510599478.5 申请日: 2015-09-19
公开(公告)号: CN105046383A 公开(公告)日: 2015-11-11
发明(设计)人: 杨茂;张强 申请(专利权)人: 东北电力大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/06
代理公司: 吉林市达利专利事务所 22102 代理人: 陈传林
地址: 132012 吉*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 集合 经验 分解 相关 向量 电功率 实时 预测 方法
【权利要求书】:

1.一种基于集合经验模态分解和相关向量机的风电功率实时预测方法,其特征在于,它包括以下步骤:

(1)数据获取及处理

选取某风电场整场机组以15分钟为时间间隔的实际风电功率数据,将历史数据分为两部分,前一部分作为训练样本,后一部分作为预测样本;

(2)建立多步滚动预测模式

进行风电功率预测时,一般假设当前时刻记为i,采样间隔记为i*,已知历史数据y(i-ni*),n=0,1,2,...,N,预测的值为y(i+mi*),m=1,2,...,M,M为多步预测的步数,则滚动多步预测的预测值可以表示为:

yG(i+mi*)=f(y(i-(N-m+1)i*),...y(i),yG(i+i*),...,yG(i+(m-1)i*))---(1)]]>

(3)建立集合经验模态分解和相关向量机的风电功率预测模型

①采用集合经验模态对原始序列分解

集合经验模态分解(EEMD)是将多组不同的白噪声序列加入到原始序列之上,然后分别对其进行经验模态分解(EMD),之后将相应的固有模态分量(IMF)的均值看作是真实分量,每个固有模态分量(IMF)需要同时满足信号的零点数和极值点数最多相差一个;任意时刻,由局部极小值点和极大值点定义的包络线的均值为零,即上下曲线关于坐标轴局部对称,具体内容是:

a.向原始序列x(t)中加入白噪声序列,白噪声序列服从(0,(αε)2)的正态分布,得到复合序列X(t),

b.对复合序列X(t)进行经验模态分解(EMD),得到各阶固有模态分量(IMF),此时其中ci(t)为各阶固有模态分量(IMF),rn(t)为剩余分量,代表原信号的平均趋势,

c.重复步骤(a)、(b)r次,每次加入的白噪声幅值不同,

d.利用高斯白噪声频谱的零均值原理,原始信号对应的固有模态分量(IMF)为cn(t)=1NΣi=1Nci,n(t);]]>

②建立相关向量机预测模型

相关向量机(RVM)是一种稀疏概率模型,它在先验参数的结构基础上,把样本数据进行迭代,使得大部分参数的后验概率分布趋于零,将模型稀疏化,对集合经验模态分解(EEMD)得到的各分量建立相关向量机(RVM)预测模型;

③叠加对各分量得到最终的预测结果;

(4)预测评价指标

根据中华人民共和国能源局的有关规定,采用均方根误差M、准确率zq和合格率r作为评价的指标,当均方根误差越小、准确率越大、合格率越大时,预测精度越高,各指标的计算式如下:

全天预测的均方根误差M:

M=196×16Σi=196Σk=116((pMik-pLik)2pCap)×100%---(2)]]>

式中,M为均方根误差,是第i次实测功率时第k时刻的预测值,是第i次实测功率时第k时刻功率的实际值,pcap是风电总场的装机容量,

日平均预测准确率zq表示为:

zqi=[1-116Σk=116(pMik-pLikpCap)2]×100%---(3)]]>

zq=196Σi=196zqi---(4)]]>

式中,zqi为第i次预测的准确率,

日平均预测合格率r为:

ri=116Σk=116Bik×100%]]>

(1-|pMik-pLik|pCap)×100%85%,Bik=1]]>

(1-|pMik-pLik|pCap)×100%<85%,Bik=0]]>

r=196Σi=196ri---(5)]]>

式中,ri为第i次预测的合格率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北电力大学,未经东北电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510599478.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top