[发明专利]短期风电功率区间概率预测方法

摘要

本发明公开一种短期风电功率区间概率预测方法，包括获取风电场若干历史风电功率作为样本集；结合预测区间覆盖概率、预测区间带宽均方根和平均偏移量构建优化准则；建立基于人工蜂群神经网络的短期风电功率区间预测模型，通过人工蜂群算法对优化准则进行寻优更新神经网络权值阈值；根据最优权值阈值建立神经网络，对待预测风电功率进行区间预测；对历史风电功率进行状态划分，建立马尔科夫链预测模型，计算各状态状态转移概率；通过马尔科夫链状态转移概率结合区间预测对风电功率区间预测，对预测区间内数值点计算概率。本发明在短期风电功率区间预测的同时考虑了区间内数值点概率分布，为优化系统提供依据。

主权项

一种短期风电功率区间概率预测方法，其特征在于，包括以下步骤：步骤1：获取风电场历史风电功率数据；步骤2：结合预测区间覆盖概率δPISCP、预测区间带宽均方根ψMRPI和平均偏移量φMO构建优化准则TCWCC，包括以下计算步骤：δPISCP=1NΣi=1Nci---(1)]]>ci=1,ζi∈[Li,Ui]0,ζi∉[Li,Ui]---(2)]]>ψMRPI=1NΣi=1N(Ui-ζi)2+1NΣi=1N(Li-ζi)2---(3)]]>φMO=1NΣi=1N(|Ui+Li2-ζi|/Ui-Li2)---(4)]]>TCWCC=ψMRPI(1+γPISCPe-η(δPISCP-μ)+λ(eφMO-1))---(5)]]>γPISCP=1,δPISCP≥μ0,δPISCP<μ---(6)]]>式中：N为样本总数，ζi为实际风电功率，Li为预测下界，Ui为预测上界，μ为(1‑α)置信水平的置信区间，η为δPISCP未达到置信区间μ时的惩罚量，λ为平均偏移量的惩罚项系数；步骤3：建立基于人工蜂群神经网络的短期风电功率区间预测模型，通过人工蜂群算法对优化准则进行寻优更新神经网络权值阈值；步骤4：根据最优权值阈值建立神经网络，对待预测风电功率进行区间预测；步骤5：对历史风电功率进行状态划分，建立马尔科夫链预测模型，计算各状态转移概率；步骤6：通过马尔科夫链状态转移概率结合区间预测对风电功率区间预测，对预测区间内数值点计算概率。