[发明专利]风电功率概率预测方法、存储介质及设备

权利要求书

1.一种风电功率概率预测的方法，其特征在于，所述方法包括：

获取风电场历史数据的统计特征；

将历史预测功率和风电场的NWP预测结果的风速波动量序列相结合，形成概率预测的影响因子，并将影响因子划分为多个互不相交的子集；

以所述风电场历史数据的统计特征作为输入，通过随机森林算法对次日的误差水平进行分类预测，获得分类预测结果，具体包括：使用随机森林算法对次日的误差水平进行预测：并根据次日误差水平将误差的样本集合分类，其中，μ_k为单日风电预测功率的均值，σ_k为单日风电预测功率的标准差，e_k-1为单日风电预测功率的均方根误差；

根据所述分类预测结果，以及预测时所处的历史预测功率和NWP预测结果的风速波动量所在的子集，计算误差的概率密度函数，获得误差随机变量；以及

根据风电场的风电功率NWP预测结果以及所述误差随机变量，获得风电功率概率预测结果。

2.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述风电场历史数据的包括历史单日风电预测功率的标准差、均值及均方根误差。

3.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述获取风电场历史数据的统计特征的步骤包括：

获取风电场在一段时间内的历史输出功率；

获取在该段时间内风电场的历史预测功率；

根据所述历史和输出功率及历史预测功率计算该段时间内的误差向量；以及

根据历史输出功率、历史预测功率、误差向量计算历史风电功率的统计特征。

4.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述将历史预测功率和风电场的NWP预测结果的风速波动量序列相结合，形成概率预测的影响因子的步骤包括：

获取在时刻t时，风电场的NWP预测结果的风速波动量；

根据风速波动量获取风电场的NWP预测结果的风速波动量的序列；

根据所述历史预测功率和风速波动量的序列，组合构成的笛卡尔集，获得影响因子；以及

将影响因子划分为个互不相交的子集。

5.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述将影响因子划分为个互不相交的子集的步骤包括：

选取分割点，将风速波动量和NWP预测结果分为预设个数的小区间；

对所述预设个数的小区间中不同的小区间进行相互组合，形成多个条件子集。

6.根据权利要求1所述的风电功率概率预测方法，其特征在于，根据所述分类预测结果及预测时所处条件，计算误差的概率密度函数，获得误差随机变量的步骤包括：

确定某一时刻所需选取的样本集；

判断该时刻的预测条件所属的条件子集，对于所述所属的条件子集C_nc(nc＝1,2,...,m)，获取在该时刻下的误差样本集；

根据所述误差样本集，获取在不同条件子集下的风电功率预测误差的经验分布函数该分布函数用于描述所述误差随机变量

7.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述根据风电场的风电功率NWP预测结果以及所述误差随机变量，获得风电功率概率预测结果的步骤包括：

对于第i天第j个时间点，获得在该时间点下的风电功率预测结果和该点的误差随机变量e_i,j，将两者相加，获得最终的概率预测结果：

8.一种计算机可读存储介质，所述可读存储介质上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-7中任意一项所述的方法的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述指令时实现权利要求1-7中任意一项所述的方法的步骤。