[发明专利]一种基于字典学习算法的风电功率预测实时误差评估方法

权利要求书

1.一种基于字典学习算法的风电功率预测实时误差评估方法，其特征在于，具体包括以下步骤：

(1)测取风电功率数据P(t)；

(2)计算风电预测功率风电预测误差方差FEV、实际风电功率方差AOV；

(3)利用小波变化方法分解风电实际发电功率数据，得到风电功率的高频分量和低频分量；

(4)利用字典学习方法对步骤(2)、(3)计算出来的参数进行处理，得出这些参数的稀疏表示和字典；

(5)建立基于RAN的预测实时误差评估模型，模型的输入为步骤(4)得到的稀疏矩阵X，模型输出为实时误差评估值。

2.根据权利要1所述的一种基于字典学习算法的风电功率预测实时误差评估方法，其特征在于，所述步骤(2)中风电预测误差方差FEV、实际风电功率方差AOV的定义为：

FEV(t)=1nΣi=1n(FE(i|t)-FE‾)2;]]>

其中，n为选取的历史数据样本数。

3.根据权利要1所述的一种基于字典学习算法的风电功率预测实时误差评估方法，其特征在于，所述步骤(3)中风电功率的高频分量和低频分量的计算公式为：

w(t)＝A₁(t)+D₁(t)＝A₂(t)+D₂(t)+D₁(t)；

其中，j和k是小波变化调节参数。A₁，A₂是低频分量，D₁，D₂是高频分量。

4.根据权利要1所述的一种基于字典学习算法的风电功率预测实时误差评估方法，其特征在于，所述步骤(4)中得到稀疏表示和字典的方法具体包括以下步骤：

(4.1)确定目标函数为：

min{||Y-DICX||F2subject to∀i,||xi||0≤T0;]]>

其中Y为步骤2中计算出来的P(t)，FEV，AOV以及步骤3计算出来的A₁，A₂和D₁，D₂；D_IC为生成的字典，T₀为预先设定的稀疏裕量；

(4.2)挑选一定数目的训练样本Y作为初始字典DIC；

(4.3)采用追踪算法OMP，计算信号Y在初始字典DIC下的稀疏表示，计算相应的系数；

(4.4)将字典中的原子逐个进行更新，E_k表示去掉字典中第k行后稀疏表示Y时的误差；将优化函数转化为：

||Y-DX||F2=||Y-Σj=1KdjxTj||F2=||(Y-Σj≠kdjxTj)-dkxTK||F2=||Ek-dkxTK||F2]]>

对E_k进行奇异值分解，得到UΔV^T，将字典的第k行d_k更新为U的第一列，同时稀疏矩阵X的第K行更新为V的第K列乘以Δ(1,1),如此逐列将字典D_IC以及稀疏矩阵X更新。