[发明专利]一种基于贝叶斯网络的风电爬坡事件概率预测方法及系统

摘要

一种基于贝叶斯网络的风电爬坡事件概率预测方法及系统，根据所掌握的观测样本数据，挖掘风电爬坡事件与风速、风向、温度、气压、湿度等相关气象影响因子间的相依关系，搭建与样本数据拟合程度最高的贝叶斯网络拓扑结构；定量描述爬坡事件与各气象因子间的条件相依关系，估计贝叶斯网络各节点处的条件概率表内各项条件概率的取值，与贝叶斯网络拓扑结构共同组成风电爬坡事件预测的贝叶斯网络模型；由所掌握的预测时刻的数值天气预报信息，推断爬坡事件各状态发生的条件概率；自适应地调整各节点处相应条件概率的取值，从而优化推断出的爬坡事件各状态发生的条件概率结果，实现预测结果可靠性与敏锐性的折中。

主权项

1.一种基于贝叶斯网络的风电爬坡事件概率预测方法，其特征在于，所述风电爬坡事件概率预测方法包括以下步骤：步骤1：采集地区电网实测数据，由贝叶斯网络结构学习算法从历史观测样本数据中挖掘风电爬坡事件与风速、风向、温度、气压、湿度相关气象影响因子间的相依关系，搭建与观测样本数据拟合程度最高的贝叶斯网络拓扑结构，其中所述观测样本数据是指历史观测样本中的各气象影响因子‑风电爬坡事件数据对；步骤2：定量描述爬坡事件与各气象因子间的条件相依关系，从而初步估计步骤1中所搭建的贝叶斯网络拓扑结构中各节点处的条件概率表(CPT)内各项条件概率也即贝叶斯网络的参数的取值，构建风电爬坡事件预测的贝叶斯网络模型；步骤3：依据步骤2所构建的贝叶斯网络模型，借助贝叶斯网络推断算法，由所掌握的预测时刻的数值天气预报信息，推断爬坡事件各状态发生的条件概率；步骤4：对预测的条件概率结果的可靠性与敏锐性进行评价，并根据预测者对预测结果的可靠性与敏锐性的风险态度，借助粒子群优化算法自适应地调整步骤2中初步估计的贝叶斯网络参数的取值，从而优化依步骤3所推断出的爬坡事件各状态发生的条件概率，实现预测结果可靠性与敏锐性。