[发明专利]基于风电天气分型特征选择的风电功率预测方法

权利要求书

1.一种基于风电天气分型特征选择的风电功率预测方法，其特征在于：其包括以下步骤：

步骤1：获得用于建模的历史风机出力、测风塔和数值天气预报的历史数据集H以及用于风电功率预测的未来24h数值天气预报数据集F；

步骤2：以历史数据集H中的测风塔的10m风速筛选数值天气预报的风电天气样本段；

步骤3：对筛选得到的风电天气样本段进行聚类，将风电天气划分为n类天气类型，未筛选的样本段作为第n+1类天气类型；

步骤4：对n+1类天气类型的输入特征分别进行选择，将W维特征降低到d_i(i＝1,2,…,n+1)维，d_i是第i类天气类型筛选得到的特征数；

步骤5：建立n+1类风电天气下的风电功率预测模型；

步骤6：在未来24h数值天气预报数据集F中识别未来24h中各样本段风电天气类型，并分别将各类风电天气关联的d_i(i＝1,2,…,n+1)维特征作为预测输入，采用对应的风电功率预测模型进行预测；

所述步骤4中具体包括以下步骤：

步骤4-1：考虑到在风电功率预测中的风速，利用偏自相关分析PACF加入10m和30m风速的1到3阶滞后，即ws₁₀(t-1)、ws₁₀(t-2)、ws₁₀(t-3)、ws₃₀(t-1)、ws₃₀(t-2)、ws₃₀(t-3)，指标数共W＝21个；

步骤4-2：对于类U中的样本集D，随机从样本集D中抽取M个比例为X的样本点组成样本子集D_j(j＝1,2,…,M)，剩余D中比例为(1-X)的样本点作为验证集T_j(j＝1,2,…,M)；

步骤4-3：将类U的样本子集D_j(j＝1,2,…,M)作为训练集，采用一种特征选择方法R，以对应风机出力为因变量，对天气特征进行排序，产生特征选择结果FS_j(j＝1,2,…,M)；

步骤4-4：按天气特征排序结果FS_j选取k(k＝1,2,…,W)个特征，训练集D_j建立预测模型，结合验证集T_j的预测表现，确定最终特征维数d_i，确定d_i的策略有：

1)S_RANK；以M个子集特征选择结果的排名FS_j累加得到最终的排序S_RANK，以S_RANK预测均方根误差最小值选择最终特征数d_i，有：

d_i＝arg min{J(S_RANK(k))}

其中，J(S)是验证集预测均方根误差；

2)S_min；以M个子集特征选择结果的排名FS_j的预测均方根误差最小值选择最终排序S_min，以S_min预测均方根误差最小值选择最终特征数，有：

d_i＝arg min{J(S_min(k))}

其中，J(S)是验证集预测均方根误差；

步骤4-5：利用Kuncheva一致性指标I_S，以M个天气特征排序结果评价选择d_i个天气特征的稳定性，有：

其中，|FS_i(d_i)∩FS_j(d_i)|是FS_i排序前d_i个天气特征和FS_j排序前d_i个天气特征的交集个数。