[发明专利]一种基于集成经验模态分解与深度信念网络的短期风功率预测方法

摘要

本发明公开一种基于集成经验模态分解与深度信念网络的短期风功率预测方法，包括采用集成经验模态分解将原始风功率序列分解为一系列特征互异的本征模态函数，并计算原始风功率序列及各本征模态函数的样本熵，并将样本熵值相近的本征模态函数合并为新序列，形成随机分量、细节分量和趋势分量；采用偏自相关函数选取输入变量集合；依据各分量输入变量集合构建训练样本集；对不同分量建立深度信念网络短期风功率预测模型，将各分量预测结果叠加，从而获得最终的短期风功率预测值。本发明提供的方法有效地提高了短期风功率预测精度，能够较好地解决电力系统风功率预测问题，从而为大规模风电并网提供更可靠的保障。

主权项

一种基于集成经验模态分解与深度信念网络的短期风功率预测方法，其特征在于：包括以下步骤：(1)采用集成经验模态分解将原始风功率序列分解为一系列特征互异的本征模态函数；(2)计算原始风功率序列及各本征模态函数的样本熵，分别记为SampEnoriginal和SampEnIMF，将|SampEnoriginal‑SampEnIMF|<θ/2的模态函数合并为细节分量，将SampEnoriginal‑SampEnIMF>θ/2的模态函数合并为趋势分量，将SampEnIMF‑SampEnoriginal>θ/2的模态函数合并为随机分量；(3)对细节分量、趋势分量和随机分量分别进行零均值化处理，采用偏自相关函数对细节分量、趋势分量和随机分量分别选取出与待预测时刻风功率相关性最高的输入变量集合，依据各分量输入变量集合分别构建训练样本集；(4)对细节分量、趋势分量和随机分量分别建立短期风功率深度信念网络预测模型，将各分量预测结果叠加，从而获得最终的短期风功率预测值，完成短期风功率预测。