[发明专利]一种多预测模型融合的风电功率预测方法及装置

权利要求书

1.一种多预测模型融合的风电功率预测方法，其特征在于，所述方法包括：

获取历史周期内各气象台提供的各历史时刻的天气预报数据，历史周期为预测时刻前的预设时长；

基于将所述各历史时刻的天气预报数据作为预先训练的各单一预测模型的输入，各单一预测模型输出的各历史时刻各单一预测模型输出的风电功率预测结果，获取各历史时刻线性回归预测模型输出的风电功率预测结果；

基于所述各历史时刻的各单一预测模型输出的风电功率预测结果和线性回归预测模型输出的风电功率预测结果的标幺化的均方根误差，从所述各历史时刻各单一预测模型和所述各历史时刻线性回归预测模型中选出最优预测模型；

将预测时刻的天气预报数据输入至所述最优预测模型，获取预测时刻的风电功率数据；

其中，所述各历史时刻线性回归预测模型输出的风电功率预测结果为经过平滑处理得到的。

2.如权利要求1所述的方法，其特征在于，所述基于将所述各历史时刻的天气预报数据作为预先训练的各单一预测模型的输入，预先训练的各单一预测模型输出的各历史时刻各单一预测模型输出的风电功率预测结果，获取各历史时刻线性回归预测模型输出的风电功率预测结果，包括：

将所述各历史时刻的天气预报数据输入至预先训练的各单一预测模型中，得到各历史时刻各单一预测模型输出的风电功率预测结果；

基于所述各历史时刻各单一预测模型输出的风电功率预测结果及其对应的线性回归预测模型的线性回归参数，获取各历史时刻线性回归预测模型输出的风电功率预测结果。

3.如权利要求2所述的方法，其特征在于，所述单一预测模型的训练过程包括：

获取多个气象中心的历史天气预报数据及其对应的实际风电功率数据，分别为各气象中心构建训练样本；

基于各气象中心的训练样本分别进行训练得到每个气象中心对应的单一预测模型。

4.如权利要求2所述的方法，其特征在于，所述线性回归预测模型的线性回归参数的计算式如下：

上式中，β为线性回归模型的线性回归参数，为以各气象中心的各历史时刻的天气预报数据作为各气象中心对应的N种单一预测模型的输入量，各气象中心对应的N种单一预测模型输出的各历史时刻的风电功率预测结果，p为各历史时刻的实际功率，T为矩阵转置符号。

5.如权利要求2所述的方法，其特征在于，所述线性回归预测模型输出的历史周期内t时刻的风电功率预测结果的计算式如下：

上式中，为历史周期内t时刻的风电功率预测结果，β₀为回归截距，β₁,...,β_M分别为1～S个气象中心对应的N种单一预测模型输出的风电功率预测结果及其对应的实际功率作为训练数据，训练的线性回归模型的线性回归参数，为分别以第1～S个气象中心对应的第N种单一预测模型输出的历史周期内t时刻的风电功率预测结果作为线性回归预测模型的输入，线性回归预测模型输出的历史周期内t时刻的风电功率预测结果，M＝SN，S为气象中心总个数，N为每个气象中心对应的单一预测模型的总类数。

6.如权利要求1所述的方法，其特征在于，各历史时刻线性回归预测模型输出的风电功率预测结果的平滑处理，包括：

获取历史时刻线性回归预测模型输出的跳变前和跳变后的风电功率预测结果的中点平均值；

基于所述中点平均值计算平滑后的历史时刻线性回归预测模型输出的跳变前和跳变后的风电功率预测结果。

7.如权利要求6所述的方法，其特征在于，所述中点平均值的计算式如下：

其中，为历史时刻线性回归预测模型输出的跳变前和跳变后的风电功率预测结果的中点平均值，为历史时刻线性回归预测模型输出的第b个时刻的风电功率预测结果，为历史时刻线性回归预测模型输出的第b+1个时刻的风电功率预测结果，b为历史时刻线性回归预测模型输出的风电功率预测结果发生跳变的时刻。