[发明专利]一种基于偏最小二乘法回归的短期风电功率预测方法

摘要

本发明提供了一种基于偏最小二乘法回归的短期风电功率预测方法，分析并提取风电场的影响风电功率预测的特征和影响因素，形成历史风功率数据向量，得到训练样本集，对训练样本集作降维处理，利用得到的训练样本进行成分提取，并且对输入输出进行相关性分析，再利用最小二乘法计算回归系数，建立偏最小二乘回归模型，选取风电功率点值作为测试样本的输入向量，与此相对应的输出向量作为功率输出真实值，带入偏最小二乘法回归模型，得到风电功率超短期预测值向量。本发明利用偏最小二乘回归方法具有良好的多元回归问题分析能力，同时包含数据回归模型建立、主成分分析以及典型相关分析等方法，不仅简化了预测模型结构，而且提高了预测的精度同时增强了预测方法的泛化能力。

主权项

1.一种基于偏最小二乘法回归的短期风电功率预测方法，其特征在于：包括以下步骤：(1)分析并提取风电场的影响风电功率预测的特征和影响因素，形成历史风功率数据向量，得到训练样本集[X1,X2,X3,X4,X5,X6,X7,…Xn，Y]，其中Y为预测点前十二小时的风功率值向量，X＝[X1,X2,X3,X4,X5,X6,X7，…Xn]分别为预测点向前每隔十二小时的风功率值向量；(2)对训练样本集作降维处理，将X’＝[X1,X2,X3,X4,X5,X6,X7]作为模型的输入列向量，Y作为模型的输出列向量；(3)利用得到的训练样本进行成分提取：ui＝X’pivi＝Yqi式中，ui、vi分别为X’、Y的成分矩阵，pi、qi为X、Y待求的特征向量；并且对输入输出进行相关性分析：Corr(ui,vi)→max式中，max表示使输入输出成分之间的相关性Corr与协方差Cov达到最大化；再利用最小二乘法计算回归系数：得到建立偏最小二乘回归模型即Y＝URT+F'＝X'PRT+F'式中，c、d、r为最小二乘法求出的回归系数，E’表示输入变量进行成分提取之后的残差矩阵，F’为输出变量进行成分提取之后的残差矩阵，U为X’的各成分矩阵ui所组成的矩阵，R为回归模型的系数ri所组成的矩阵，P为输入向量X’的多个成分的特征向量pi组成的矩阵；(4)选取48个风电功率点值作为测试样本的输入向量[X'1,X'2,X'3,X'4,X'5,X'6,X'7]，与此相对应的输出向量Y'作为功率输出真实值，将输入向量[X'1,X'2,X'3,X'4,X'5,X'6,X'7]带入偏最小二乘法回归模型，得到风电功率超短期预测值向量。