[发明专利]基于历史分段序列搜索和时序稀疏化的风电功率预测方法

摘要

本发明公开了基于历史分段序列搜索和时序稀疏化的风电功率预测方法，对风电功率历史数据进行归一化，根据功率时间序列波动特征和基本统计特性确定搜索的分段时间序列的窗口宽度最优值。以当前时刻最新的分段时间序列为基准，综合相关性指标和相似性距离指标，计算所有历史分段时间序列与当前时刻的分段时间序列的匹配度。按照从大到小的顺序对匹配度进行排序，按照平均匹配度聚合的原则确定最优历史分段序列个数。针对每个时刻的当前分段时间序列，确定其相应的最优历史分段序列个数和最优的平均历史分段序列个数。针对训练时间序列所有时刻，建立时序稀疏化的功率预测模型。采用乘子交替方向法对其求解，得到模型的参数，用于未来的功率预测。

主权项

1.一种基于历史分段序列搜索和时序稀疏化的风电功率预测方法，其特征在于：包括以下步骤：A.对风电场的风电功率历史数据进行归一化，根据风电场的风电功率时间序列波动特征以及基本统计特性来确定搜索的分段时间序列的窗口宽度最优值；B.根据计算出的分段时间序列的窗口宽度最优值，以当前时刻最新的分段时间序列为基准，综合相关性指标和相似性欧式距离指标，计算所有历史分段时间序列与当前时刻的分段时间序列的匹配度；C.根据计算出的所有历史分段时间序列与当前时刻分段时间序列的匹配度，按照从大到小的顺序对匹配度进行排序，按照平均匹配度聚合的原则确定最优历史分段时间序列个数，针对用于训练的时间序列的每个时刻的当前时刻分段时间序列，确定其相应的最优历史分段时间序列个数，并得到平均最优历史分段时间序列个数及相应的最优历史分段时间序列；D.根据计算出的平均最优历史分段时间序列个数以及相应的最优历史分段时间序列，针对用于训练的时间序列的所有时刻，建立时序稀疏化的风电功率预测优化模型，采用乘子交替方向法对预测优化模型进行训练并求解，得到预测优化模型的最优参数，并用于未来的功率预测。