[发明专利]多风电场输出功率联合概率密度预测方法

说明书

本发明公开了一种多风电场输出功率联合概率密度预测方法，包括步骤：建立稀疏贝叶斯学习机预测模型，对未来多个独立时段的风电场输出功率进行概率密度预测；利用稀疏贝叶斯学习机预测测试得到预测误差样本，进而根据预测误差样本得到预测误差之间的相关系数矩阵；利用稀疏贝叶斯学习机对风电场输出功率的均值及方差进行逐时段预测，并利用预测得到的均值及方差与相关系数矩阵结合得到协方差矩阵，完成联合概率密度预测。本方法通过对风电场各时段输出功率以及输出功率各时段之间的相关性预测，提高了风电场输出功率预测的准确性和有效性，使预测更加接近真实风电场的实际情况，为含风电场电力系统的调度决策提供更加丰富准确的信息。

技术领域

本发明实施例涉及电力系统技术领域，具体来说涉及一种多风电场输出功率联合概率密度预测方法。

背景技术

随着化石能源逐渐枯竭和全球环境加速恶化，能源和环境问题日益凸显。大力发展可再生能源发电技术和新型电能利用技术，加快推进清洁替代和电能替代，逐渐成为应对能源和环境危机的重要途径。风能作为新能源发电具有清洁、可再生等优点，但由于风能受外界自然环境影响显著，其输出功率的不确定性较强，大规模并网发电会增加电力系统规划与运行的难度。

近年来，随着风电接入电网规模的扩大，风电场输出功率的不确定性问题引起了广泛关注，关于含有风电场的电力系统运行风险评估与风险决策问题的研究日益增多，这些问题的建模大多依赖于对风电场输出功率偏差信息的掌握。因此，在风电场输出功率预测精度不断提高的同时，对预测误差分布的估计与预测技术也得到了发展。目前，风电功率预测可分为单点预测和分布预测，分布预测相比于单点预测能够提供更为充分的决策信息。然而，从当前研究现状来看，己有的分布预测多是逐时段进行的，没有考虑风电场输出功率各时段之间的关联特性。这常常导致风电场输出功率的预测值频繁大幅波动，不符合风电场实际运行特点。

基于上述问题，本发明提出一种多风电场输出功率联合概率密度预测方法，以提高风电场输出功率概率密度预测结果的有效性。

发明内容

本发明实施例提供一种多风电场输出功率联合概率密度预测方法，通过对风电场各时段输出功率及输出功率各时段之间的相关性预测，提高风电场输出功率预测的准确性和有效性。

为实现上述目的，本发明采用如下技术方案：

本发明提供了一种多风电场输出功率联合概率密度预测方法，所述方法包括以下步骤：

训练稀疏贝叶斯学习机，通过建立稀疏贝叶斯学习机预测模型，对未来多个独立时段的风电场输出功率进行概率密度预测；

估计相关系数矩阵，利用稀疏贝叶斯学习机进行预测测试得到预测误差样本，进而根据预测误差样本得到预测误差之间的相关系数矩阵；

预测联合概率密度，利用训练得到的稀疏贝叶斯学习机对风电场输出功率的均值及方差进行逐时段预测，并利用预测得到的逐时段均值及方差与相关系数矩阵结合得到协方差矩阵，完成联合概率密度预测。

基于上述方案，本发明做如下优化：

进一步的，所述稀疏贝叶斯学习机预测模型表示为：

式(1)中：y_output为待预测随机变量；x_input为输入向量；x_m为训练样本中的输入向量；K(.)为核函数；M为训练样本总数；ε为误差项，服从正态分布N(0，δ²)；w_m和w₀均为权重系数，在稀疏贝叶斯学习机中被看做随机变量，并假设其先验分布为其中α_m为超参数。其中，在式(1)建立的稀疏贝叶斯学习机预测模型中，输入向量由风电场输出功率历史数据和预测目标时段的风速预报数据两部分构成。