[发明专利]一种基于改进shapley值的风电汇聚趋势性分状态量化方法

权利要求书

1.一种基于改进shapley值的风电汇聚趋势性分状态量化方法，其特征是，在对不同风电输出状态量化分析的基础上，得到各风电输出状态下的风电持续出力曲线，进而构建基于汇聚特性分析的风电持续出力曲线分状态组合预测模型，并建立预测精度评价体系，具体包括以下步骤：

1)对风电持续出力曲线分状态进行划分

风电场群的汇聚效应由风电持续出力曲线来描述，直接对风电持续出力曲线变化的趋势性进行预测，会增加预测的难度且预测精度下降；为此，采用分段线性化的方式来提升预测精度，分段点的选取依据风电功率区间；

将风电功率的输出范围等分为若干个风电功率区间，每一个风电功率区间代表一个风电输出状态；设某风电场的风电装机容量为P，将此风电场的输出功率范围进行K等分，第k(1,2,…,K)个风电输出状态对应的风电功率的输出范围为(P_k,min,P_k,max]，其计算公式为(1)式：

为了把握各风电输出状态内风电持续出力曲线的变化趋势，需要对风电持续出力曲线合理划分风电输出状态，对于风电场的加入顺序为：以某风电场为中心向四周发散集群，得到各风电输出状态持续出力曲线；

2)风电持续出力曲线分状态组合预测模型

各风电输出状态下的风电持续出力曲线皆趋于线性，对风电持续出力曲线划分为K个风电输出状态，记第k个风电输出状态下的风电持续出力最大值为P_k,max，风电持续出力最小值为P_k,min，风电输出状态内的非零值个数，即等效持续出力时间为N_k，自变量为x，则风电输出状态k内的风电持续出力曲线的计算公式为(2)式：

将各个风电输出状态下的风电持续出力曲线进行依次拼接，得到风电持续出力曲线模型，其计算公式为(3)式：

式中：P_i，max为第i个风电输出状态下的出力最大值；u_k为0-1变量；

由(3)式可见，预测的关键在于等效持续出力时间以及风电持续出力极值的确定，针对同一个问题，利用回归分析、灰色系统、神经网络三种预测方法进行组合预测模型的建立，其计算公式为(4)式：

Y_k＝ω_AkY_Ak+ω_BkY_Bk+ω_CkY_Ck (4)

式中：Y_k为风电输出状态k下的组合预测值；

ω_Ak、ω_Bk、ω_Ck分别为回归分析、灰色系统、神经网络三种预测方法在风电输出状态k下的权重；Y_Ak、Y_Bk、Y_Ck分别为三种预测方法在风电输出状态k下的预测值；

shapley值法用于解决多人合作对策问题的数学方法，实现的是每个合作成员对合作联盟的贡献大小，具体算法为：

设三种预测误差分别为F₁、F₂、F₃，根据shapley值法的概念，参与组合预测的“合作关系”的成员为S＝(1,2,3)，它的所有子集的组合误差值分别为E(1)、E(2)、E(3)、E(1,2)、E(1,3)、E(2,3)、E(1,2,3)，求法为(5)式：

各个预测方法对应的权重为(6)式：

在某个风电输出状态内，采用改进的shapley值法进行权重分配，改进在于舍弃被赋予负值的预测方法，对其余的预测方法组合并对权重进行重新分配；

3)预测精度指标评价体系

为检验各个风电输出状态，预测风电持续出力曲线的精度，采用(7)式-(11)式对预测曲线精度进行评价：

①指标准确度

预测的关键在于各个风电输出状态内的风电持续出力最大值以及等效持续出力时间的确定，对于等效持续出力时间，在风电输出状态k下，预测精度指标的准确度计算公式为(7)式-(8)式：

F_k＝Y_k-T_k (7)

式中：F_k为预测绝对误差；Y_k为组合预测值；T_k为实际值；

ε_k＝(1-F_k/T_k)×100％ (8)

式中：ε_k为预测精度指标的准确度，单位：％；

②风电持续出力曲线预测精度

为了量化预测曲线与实际持续出力曲线的误差，建立以下两个误差评价指标：

绝对距离D：用于量化两条曲线间的整体误差大小，计算公式为(9)式：

式中：X_j、Y_j分别表示风电实际持续出力曲线、风电预测持续出力曲线在第j个位置的数值；N为总数据点个数；

③一阶差分波动率var：用于量化两条曲线在各个位置的误差波动情况，计算公式为(10)式-(11)式：

式中：d_j为两条曲线在第j个位置的偏差；为d_j的均值；