[发明专利]一种基于经验小波变换与高斯过程回归的新能源出力短期预测方法

权利要求书

1.一种基于经验小波变换与高斯过程回归的新能源出力短期预测方法，其特征在于：包括以下步骤：

(1)获取实测风电场功率数据，并对原始序列数据进行异常值检测与修正，避免异常值对模型参数估计造成的不良影响；

(2)采用EWT自适应信号处理技术将原始风电功率序列分解为一系列特征互异的经验模式；

(3)对不同经验模式序列进行零均值化预处理；

(4)针对不同经验模式序列特征，建立高斯过程回归预测模型，并求解模型超参数；

(5)获得每个经验模式预测结果，并将各分量预测结果叠加获得最终的短期风电功率预测值。

2.根据权利要求1所述的一种基于经验小波变换与高斯过程回归的新能源出力短期预测方法，其特征在于，所述步骤(2)中的EWT方法本质上是根据信号频谱特性选择的一组带通滤波器，从而自适应地从原始信号中筛选出调幅-调频成分，其具体计算过程为：

步骤(2.1)：为了确定带通滤波器的频率范围，首先对信号的Fourier谱进行自适应分割，定义Fourier支撑为[0,π]并假定将其分割成N个连续部分，令Λ_n＝[w_n-1,w_n]表示各分割片段边界，其中：n＝1,2,L,N，w₀＝0,w_N＝π，w_n选取为信号Fourier谱相邻两个极大值点之间的中点，显见

步骤(2.2)：以每个w_n为中心，定义宽度为T_n＝2τ_n的过渡区域；

步骤(2.3)：在分割区间Λ_n上，定义经验小波为每个Λ_n上的带通滤波器，并根据Meyer小波构造方法构造经验小波，构造的经验小波函数为

ψ^n(w)=1wn+τn≤|w|≤wn+1-τn+1cos[π2β(12τn+1(|w|-wn+1+τn+1))]wn+1-τn+1≤|w|≤wn+1+τn+1sin[π2β(12τn(|w|-wn+τn))]wn-τn≤|w|≤wn+τn0otherwise]]>

经验尺度函数为

φ^n(w)=1|w|≤wn-τncos[π2β(12τn(|w|-wn+τn))]wn-τn≤|w|≤wn+τn0otherwise]]>

式中：τ_n＝γw_n；在时，保证了为紧框架，函数β(x)定义为β(x)＝x⁴(35-84x+70x²-20x³)；

步骤(2.4)：原始信号被重构为

x(t)=Wxϵ(0,t)*φ1(t)+Σn=1NWxϵ(n,t)*φn(t)]]>

式中：*为卷积运算，为逼近系数，为x(t)的经验小波变换，经验模式x_k(t)定义为