[发明专利]一种基于时间分层组合的风电功率预测方法及预测系统

权利要求书

1.一种基于时间分层组合的风电功率预测方法，其特征在于，所述基于时间分层组合的风电功率预测方法包括以下步骤：

步骤1、采集风电出力观测数据；

步骤2、划分步骤1所采集的风电出力观测数据为训练样本、验证样本和测试样本；

步骤3、将时间序列划分层级，单独预测每个时间层级的风电功率；

步骤4、将多时间层级序列分为训练集、验证集和测试集，使用训练集中数据估计模型参数，并引入累计分布函数，对验证集中每个时间层级进行预测，经投影矩阵后，得到用于组合预测累计分布函数，建立组合预测模型；

步骤5、采用交叉验证的方式，基于验证样本数据，优化矩阵P_CV在不同约束下的权重；

步骤6、在步骤5的交叉验证优化权重之后，采用连续分级概率评分作为评分规则，评估组合预测模型的泛化能力，并建立优化后组合预测模型系统。

2.根据权利要求1所述的一种基于时间分层组合的风电功率预测方法，其特征在于：

在所述步骤1中，以15分钟为采样间隔，并对风电功率时间序列进行分析，将其聚合为采样间隔为1小时和1天的时间序列；

时间序列的层级数量和每层时间序列的采样间隔根据实际情况进行调整。

3.根据权利要求1所述的一种基于时间分层组合的风电功率预测方法，其特征在于：

在所述步骤2中，将风电出力观测数据按6∶3∶3时间比分为训练样本、验证样本、测试样本。

4.根据权利要求1所述的一种基于时间分层组合的风电功率预测方法，其特征在于：

在所述步骤3中，将时间序列按15分钟、1小时、4小时、24小时分为4个时间层级，即f＝[96，24，6，1]，其中f表示时间序列分成的层级，96表示24小时时间内风电功率采样频率，24表示4小时时间内风电功率采样频率，6表示1小时时间内风电功率采样频率，1表示15分钟时间内风电功率采样频率。

5.根据权利要求4所述的一种基于时间分层组合的风电功率预测方法，其特征在于：

对每个时间层级的风电功率进行单独预测，24小时的时间层级用ARFIMA-FIGARCH模型进行预测，4小时的时间层级用VARMA-GARCH模型进行预测，1小时的时间层级用ARMA-GARCH模型进行预测，15分钟的时间层级用ARMA-FIGARCH模型进行预测。

6.根据权利要求5所述的一种基于时间分层组合的风电功率预测方法，其特征在于：

{y_t}表示多时间层级序列，t＝1，2，...，T，T是时间序列的观测时长；

{k}表示最完整的时间层级结构，k是每个时间层级中包含最大采样频率时间序列的个数；

m为1天时间内风电功率采样频率，m＝96，采样时长为1年，则观测时长T＝m×15×365，其中，15为采样时间间隔15分钟，最完整的时间层级为k∈{96，48，32，24，12，8，6，4，3，2，1}。

7.根据权利要求6所述的一种基于时间分层组合的风电功率预测方法，其特征在于：

当选取3个层级时，k∈{96，24，1}，i＝1，2，...，T/m，i表示1年内不同的观测日，p＝1，2，...，m/k，m为时间层级结构中的最底层时间层级的采样频率，p表示1天内每个层级的节点变化，时间序列{y_t}中每个时间层级的节点值表示为

对于时间段i内每个时间层级，表示为

令{l}表示降序排列的m的因子集合，则k_l＝m，k₁＝1，从而时间序列表示为：

从而Y_i＝SY_i^[1]，其中S是求和矩阵，

S由子矩阵S_k堆叠而成，而子矩阵S_k通过逐行的复制m/k大小的单位矩阵每个条目k次而得到，从而S为(∑m/k)×m阶矩阵。