[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

说明书

本发明公开了一种基于集成学习的可再生能源发电功率区间预测方法，包括以下步骤：选取合适的输入、输出变量，采集相关历史数据，进行数据预处理；将历史数据拆分为训练数据、校验数据；基于训练数据构建多个基学习器；基于训练数据以及校验数据，最优化新型综合性能评价指标来获取基学习器间的加权系数；综合基学习器的输出以及加权系数得到发电功率的预测区间。本发明充分利用极限学习机的快速学习性以及较强的泛化能力，有效的获得分位数回归模型，同时基于新型综合性能评价指标寻优得到的加权系数更为合理，更利于发挥集成学习的优势，从而得到更为精确的预测区间，为电网安全稳定运行提供有效的数据支撑。

技术领域

本发明属于可再生能源发电功率预测领域，特别涉及一种基于集成学习的可再生能源发电功率区间预测方法。

背景技术

可再生能源(风电、光伏)发电功率具有明显的不确定性以及随机性，随着可再生能源的大规模并网，对电网的安全稳定运行带来一定的挑战。传统对可再生能源发电功率预测的研究主要是确定性的点预测，但是点预测的误差不可避免且其结果不能对发电功率不确定性做出定量描述。从目前电网的应用层面来说，含可再生能源的电网规划、运行和安全稳定分析需要对可再生能源发电功率的波动范围有比较精确的估计，因此需要能定量反映发电功率不确定性的新的预测形式来克服传统点预测的缺陷。

发明内容

发明目的：为了克服现有技术中的不足，本发明提供了一种基于集成学习的可再生能源发电功率区间预测方法，通过区间预测能够定量反映发电功率的不确定性，从而得到更为精确的预测区间，为电网安全稳定运行提供有效的数据支撑。

技术方案：一种基于集成学习的可再生能源发电功率区间预测方法，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。

在进一步的实施例中，不同基学习器间所使用的分位点不同。

在进一步的实施例中，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。

在进一步的实施例中，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(average coverage error，ACE)，η,σ用于调整RIS的特性。

在进一步的实施例中，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。