[发明专利]多风电场输出功率联合概率密度预测方法

权利要求书

1.多风电场输出功率联合概率密度预测方法，其特征在于，包括以下步骤：

训练稀疏贝叶斯学习机，通过建立稀疏贝叶斯学习机预测模型，对未来多个独立时段的风电场输出功率进行概率密度预测；

估计相关系数矩阵，利用稀疏贝叶斯学习机进行预测测试得到预测误差样本，进而根据预测误差样本得到预测误差之间的相关系数矩阵；

预测联合概率密度，利用训练得到的稀疏贝叶斯学习机对风电场输出功率的均值及方差进行逐时段预测，并利用预测得到的逐时段均值及方差与相关系数矩阵结合得到协方差矩阵，完成联合概率密度预测。

2.根据权利要求1所述的多风电场输出功率联合概率密度预测方法，其特征在于，所述稀疏贝叶斯学习机预测模型表示为：

式中：y_output为待预测随机变量；x_input为输入向量；x_m为训练样本中的输入向量；K(.)为核函数；M为训练样本总数；ε为误差项，服从正态分布N(0，δ²)；w_m和w₀均为权重系数，在稀疏贝叶斯学习机中被看做随机变量，并假设其先验分布为其中α_m为超参数。

3.根据权利要求2所述的多风电场输出功率联合概率密度预测方法，其特征在于，所述建立的稀疏贝叶斯学习机预测模型中，输入向量由风电场输出功率历史数据和预测目标时段的风速预报数据两部分构成。

4.根据权利要求2所述的多风电场输出功率联合概率密度预测方法，其特征在于，所述稀疏贝叶斯学习机的训练过程是根据贝叶斯原则对参数w＝[w₀，w₁，...，w_M]^T、超参数α＝[α₀，α₁，...，α_M]^T以及δ²的后验分布进行推断的过程，表示为p(w，α,δ²|y)，其中，输出量y＝[y₀，y₁，...，y_M]^T。

5.根据权利要求4所述的多风电场输出功率联合概率密度预测方法，其特征在于，所述超参数α与δ²通过对联合分布的极大似然估计得到，表示为α_MP与δ²_MP，进而利用贝叶斯推断得到w_m的后验分布，其中：

在得到w及ε的后验分布后，带入上式(2)，即完成了稀疏贝叶斯学习机的训练过程。

6.根据权利要求5所述的多风电场输出功率联合概率密度预测方法，其特征在于，利用稀疏贝叶斯学习机得到风电场输出功率的均值及方差分别为：

。