[发明专利]一种风电功率概率预测模型建立方法

权利要求书

1.一种风电功率概率预测模型建立方法，其特征在于，包括以下步骤：

S1，数据预处理：剔除初始数据集中的异常值，并基于灰色关联理论，选取与风电功率关联度大于预设阈值的气象变量作为风电功率概率预测模型的训练数据集；

S2，建立改进自然梯度提升元模型：基于训练数据集，预测风电功率概率分布的参数向量，通过Fisher信息量在一般梯度和自然梯度间建立联系，选取分类和回归树作为基学习器，建立改进自然梯度提升元模型，实现参数向量更新；

S3，Blending模型融合：对多个改进自然梯度提升元模型进行Blending模型融合，建立新的元模型进行训练，从而输出最终预测统计参数向量。

2.根据权利要求1所述的风电功率概率预测模型建立方法，其特征在于，所述步骤S1中，剔除初始数据集中的异常值，并基于灰色关联理论，选取与风电功率关联度大于预设阈值的气象变量作为风电功率概率预测模型的训练数据集，具体包括：

S101，利用箱型图剔除初始数据中的异常值；

S102，以风电功率为参考数据列，相关气象变量为对比数据列，对各序列进行初值化处理，基于灰色关联理论，计算关联系数以表征两组序列的关联度，选取关联度大于阈值的气象变量作为预测模型的训练数据集。

3.根据权利要求2所述的风电功率概率预测模型建立方法，其特征在于，所述步骤S101中，利用箱型图剔除初始数据中的异常值，具体包括：

异常值截断上下限由式(1)确定：

式中：min、max代表数据截断的上限和下限；Q₁、Q₃分别代表上、下四分位数；IQR＝Q₃-Q₁。

4.根据权利要求2所述的风电功率概率预测模型建立方法，其特征在于，所述步骤S102中，以风电功率为参考数据列，相关气象变量为对比数据列，对各序列进行初值化处理，基于灰色关联理论，计算关联系数以表征两组序列的关联度，选取关联度大于阈值的气象变量作为预测模型的训练数据集，具体包括：

1)对各变量时间序列做归一化处理，以n个气象变量序列中的第k个为比较序列S^k(t)，风电功率序列为参考序列S⁰(t)，求取两者差计作绝对值序列Δ^k(t)，如式(2)所示，其中k∈(1,n)，

Δ^k(t)＝|S^k(t)-S⁰(t)| (2)

2)计算关联系数η^k(t)：

式中：Min(·)、Max(·)表示求取序列的最小、最大值，ρ为分辨系数；

3)求解关联度γ^k：

式中：T_n为序列长度；

4)设定阈值选取关联度大于阈值的气象变量，组成训练数据集。