[发明专利]基于可微成本函数的超短期风电功率区间预测方法、装置

权利要求书

1.一种基于可微成本函数的超短期风电功率区间预测方法，其特征在于，包括：

获取预设时间段内的风电功率历史数据，并对所述风电功率历史数据进行提取和重构后得到输入向量，将所述输入向量输入到风电功率预测区间模型的预测引擎，确定所述预测引擎的未知参数和约束条件；

利用所述预测引擎的未知参数和约束条件构造可微成本函数，并通过NSGA-II算法对所述可微成本函数进行双层优化，确定所述未知参数对应的输出权值，以及所述可微成本函数的目标函数值；

根据所述输出权值和所述目标函数值对所述NSGA-II算法的非支配集进行更新，并通过更新后的非支配集构建帕累托前集，将所述帕累托前集作为所述风电功率预测区间模型的预测结果。

2.根据权利要求1所述的基于可微成本函数的超短期风电功率区间预测方法，其特征在于，对所述风电功率历史数据进行提取和重构后得到输入向量的步骤之前，还包括：

对所述风电功率历史数据进行预处理，检测所述风电功率历史数据中的缺口，并对所述缺口进行修复，将修复后的风电功率历史数据进行去趋势化处理；

对去趋势化处理后的风电功率历史数据进行归一化处理，得到训练数据。

3.根据权利要求2所述的基于可微成本函数的超短期风电功率区间预测方法，其特征在于，对所述风电功率历史数据进行提取和重构后得到输入向量的步骤，包括：

获取训练数据，将所述训练数据划分为训练集和验证集，并通过状态空间表示法将所述训练集中的训练数据映射到嵌入空间，得到输入向量；

所述输入向量表示为：X_n＝[y_(n-1)(D-1)τ L y_(n-1)-τ y_(n-1)]_1×D；

其中，τ是一个常数，通过互信息法确定，表示所述训练数据的取值间隔；D为嵌入维数，基于Cao的嵌入维数法确定；y_n表示所述输入向量在第n个时间点的风电功率值。

4.根据权利要求3所述的基于可微成本函数的超短期风电功率区间预测方法，其特征在于，将所述输入向量输入到风电功率预测区间模型的预测引擎，确定所述预测引擎的未知参数和约束条件的步骤，包括：

选取ELM作为风电功率预测区间模型的预测引擎，将所述输入向量代入到所述预测引擎中，计算所述预测引擎的预测上界值和预测下界值，所述预测上界值和所述预测下界值的计算公式分别为：

其中，为预测上界值，y_n为预测下界值，为隐神经元权重系数向量，b_m为偏差，M为隐神经元个数，和β_m为预测引擎的未知参数；

通过所述预测上界值和所述预测下界值确定所述预测引擎的未知参数和约束条件。