[发明专利]一种基于集成学习的可再生能源发电功率区间预测方法

权利要求书

1.一种可再生能源发电功率区间预测方法，其特征在于，包括如下方法：

采集影响可再生能源发电功率的输入变量的历史数据，可再生能源发电功率的历史数据，以及影响可再生能源发电功率的输入变量的预报值；

将采集的数据输入至训练好的多个不同基学习器；

根据多个不同基学习器的输出结果及对应基学习器的最优加权系数，计算发电功率的预测区间；

其中，基学习器的训练方法包括：

采集影响可再生能源发电功率输入变量，以及可再生能源发电功率的历史数据；

将历史数据拆分为训练数据及校验数据；

基于训练数据构建极限学习机分位数回归模型，并作为基学习器；

基于训练数据及校验数据，通过最优化新型综合性能评价指标计算获取各基学习器的最优加权系数。

2.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，不同基学习器间所使用的分位点不同。

3.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，所述新型综合性能评价指标采用下述公式计算获取：

其中：NCI表示新型的综合性能评价指标，RIS为可靠性指标分数，用于反映可再生能源发电功率预测区间的可靠性，是的归一化值，为置信区间为100(1-α)％下的区间分数，用于反映可再生能源发电功率预测区间的清晰度，|·|代表绝对值，γ与λ是可靠性指标分数与区间分数的权重。

4.根据权利要求3所述的可再生能源发电功率区间预测方法，其特征在于，所述可靠性指标分数采用下述公式计算获取：

其中：是置信区间为100(1-α)％下所获得的可再生能源发电功率预测区间的平均覆盖误差，η,σ用于调整RIS的特性。

5.根据权利要求4所述的可再生能源发电功率区间预测方法，其特征在于，所述可靠性指标分数通过平均覆盖误差代入改进的sigmod函数中计算得到。

6.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，综合各个基学习器的输出以及加权系数得到发电功率的期望和方差，并根据期望和方差计算出不同置信度下的预测区间。

7.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，所述极限学习机分位数回归模型通过求解下述优化问题获得：

其中，N₁是历史数据拆分成训练数据的个数，t_i为可再生能源发电功率的实际输出，H_i为第i个输入变量对应的极限学习机隐藏层输出矩阵，ρ_τ(·)为检验函数，β^τ为极限学习机分位数回归模型中待求解的τ分位点输出权重。

8.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，还包括将历史数据拆分为训练数据及校验数据之前，对历史数据进行预处理，所述预处理包括归一化处理。

9.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，通过粒子群算法最优化新型综合性能评价指标，得到最优加权系数。

10.根据权利要求1所述的可再生能源发电功率区间预测方法，其特征在于，所述发电功率的预测区间的上限通过下式计算获取：

所述发电功率的预测区间的上限通过下式计算获取：

其中：与分别代表获得的可再生能源发电功率预测区间的上下限；为发电功率的期望，为发电功率的方差，为第t个基学习器的可再生能源发电功率预测输出值，n_t为基学习器的个数，h_t为最优加权系数，满足进而根据发电功率的期望和方差计算出不同置信度下的发电功率预测区间。