[发明专利]一种短期风电功率区间预测方法

说明书

本发明公开了一种短期风电功率区间预测方法，所述方法如下：采用VMD对风电功率序列进行分解，计算分解后各子序列的样本熵，把样本熵接近的子序列重组成新的子序列，对重组后的子序列分别建立GPR模型，对风电功率序列的概率区间进行预测，最后将各个子序列的预测结果叠加获得最终的短期风电功率区间预测结果。本发明专利为短期风电功率区间预测提供了一种科学、有效的方法，具有良好的区间覆盖率以及预测准确度，较窄的区间宽度，有利于电力系统的调度和运营。

技术领域

本发明涉及风电功率预测领域，尤其涉及一种短期风电功率区间预测方法。

背景技术

近年来，全球气候变暖速度加快、环境污染问题日益严峻。为了减轻环境污 染，同时缓解化石燃料的过度消耗所造成的能量枯竭危机，许多国家已经将目光 投向发展可再生能源和清洁能源。风能作为一种高效清洁，永不枯竭的可再生资 源，日益受到世界各国的高度重视，并得到了广泛的开发和利用。

风的波动性和随机性使得风能具有很强的不确定性和混沌特性，随着风电并 网比重的日益增大，风电给电力系统的可靠性、电能质量以及电网调度等提出了 新的要求和挑战。风电功率预测结果的准确性直接影响电力系统调度计划的制定， 准确的风电功率预测有利于风电行业的发展。

目前风电功率预测可以分为：物理方法、统计方法、混合预测等方法，其中 统计方法又分为常规统计方法和人工智能方法。但这些方法都是确定性的点预测 方法，其结果不具有概率意义，难以描述风电功率的随机性和不确定性。随着风 电并网规模日益扩大，对风电功率区间预测的研究变得不可或缺。目前区间预测 方法较点预测方法，仍然较少。

发明内容

本发明目的在于克服现有技术的不足，提供了一种科学、有效的用于风电功 率区间预测的方法即基于VMD-SE-GPR组合模型的短期风电功率区间预测方法。 该算法采用VMD对风电功率序列进行分解，计算分解后各子序列的样本熵，把样 本熵接近的子序列重组成新的子序列，对重组后的子序列分别建立GPR模型，对 风电功率序列的概率区间进行预测，最后将各个子序列的预测结果叠加获得最终 的短期风电功率区间预测结果。该方法具有良好的区间覆盖率以及预测准确度， 较窄的区间宽度，有利于电力系统的调度和运营。

为实现上述目的，本发明提供如下技术方案：

短期风电功率区间预测方法，包括以下步骤：

步骤1)对风功率数据进行归一化处理，将所有功率数据转化到[-1,1]区间 内；

步骤2)采用VMD算法对归一化后的风电功率序列进行分解形成子序列；

步骤3)采用样本熵对所述子序列的复杂性进行评估，根据公式计算子序列的样本熵，将样本熵接近的子序列 叠加成新的子序列，完成子序列的重构；SampE_n(N,m,v)表示样本熵，设定时间 序列为{x_i}＝{x(1),x(2),...,x(N)}，i＝1,2,...,N-m+1，设定X(i)为序列{x_i}按 顺序组成m维矢量，表示X(i)与模版匹配的概率，表示维度增 大到m+1时X(i)与模版匹配的概率，N为数据的长度，m为维数，v为相似容 限，v＞0；

步骤4)对重构后的子序列分别建立GPR模型，对于时间点n，给定一个预测时 间h，以及一个集合了所有解释变量的输入向量x_n+h|n，预测第n+h时刻的风电 功率的分布；

步骤5)将各个子序列的预测结果叠加获得最终的短期风电功率区间预测结果。

所述短期风电功率区间预测方法的进一步设计在于，所述步骤2)包括：

步骤2-1)对子模态中心频率朗格朗日乘子以及迭代次数n进行 初始化，k是指第k个子模态；