一种短期风电功率非参数概率预测方法

摘要

本发明实施例公开了一种短期风电功率非参数概率预测方法，包括，构建每个前瞻时段的SVM预测模型和SBC预测模型；将风电功率预测所需数据输入SVM预测模型，得到每个前瞻时段的风电功率预测值；将误差分布预测所需数据输入SBC预测模型，得到每个前瞻时段的预测误差条件概率；利用D‑S证据理论对预测误差条件概率进行整合，其中设计风电功率的分布范围约束，得到每个前瞻时段的预测误差的整体概率分布；将风电功率预测值与预测误差概率分布叠加，得到每个前瞻时段的风电功率概率分布。本发明基于稀疏贝叶斯架构构建，具有高稀疏性，确保了模型的泛化能力与计算速度,且系统地计及了风电场输出功率的边界约束，使预测结果更加符合实际。

主权项

一种短期风电功率非参数概率预测方法，其特征在于，包括：构建每个前瞻时段的SVM预测模型和SBC预测模型，其中，所述SBC预测模型是将所述SVM预测模型对训练样本的预测误差进行区间分类、利用稀疏贝叶斯分类模型对所述预测误差落入某设定区间内的概率进行训练得到的；将风电功率预测所需要的数据输入所述SVM预测模型，得到每个前瞻时段的风电功率预测值；将风电功率的误差分布预测所需要的数据输入所述SBC预测模型，得到每个前瞻时段SVM预测误差在每个分类区间上的预测误差条件概率；根据D‑S证据理论，对所述预测误差条件概率进行整合，得到每个前瞻时段的预测误差均值和预测误差概率分布，其中，设计风电功率的分布范围约束；将每个前瞻时段的所述风电功率预测值分别与所述预测误差均值、所述预测误差概率分布相叠加，得到每个前瞻时段的风电功率预测修正值和风电功率概率分布。