[发明专利]基于核极限学习机分位数回归的风电功率区间预测方法

权利要求书

1.一种基于核极限学习机分位数回归的风电功率区间预测方法，包括如下步骤：

步骤1：采集风电场原始数据组成原始数据集D＝{(w₁，p₁)(w₂，p₂)…(w_i，p_i)}，w_i为第i时刻的风速，p_i为第i时刻的功率，并进行数据处理；

步骤2、将数据分为训练样本和测试样本，将处理后的数据的训练样本按照1∶1的比例分配为建模集和优化集，利用训练数据样本构建基于粒子群算法的核极限学习机分位数回归模型：

式(1)中为核极限学习机，Ω_EML为核矩阵，k为核函数，设定为RBF核：k(a，b)＝exp(-||a-b||)²/σ，训练数据建模集的w_i构成核极限学习机中核函数k中的x₁到x_N，x为训练数据优化集的w_i，Ω_EML(i，j)＝k(x_i，x_j)，O为预测目标值向量，由训练数据建模集的p_i组成；C为惩罚参数；y(x)为回归模型的输出，分别输出区间上下限U(x)，L(x)；

步骤3、根据分位数回归和预测区间覆盖概率(PI coverage probability，PICP)确定适应度函数，利用粒子群算法根据适应度函数优化核极限学习机中的参数C、σ以及模型(1)中的β；具体包括：

步骤3.1，使用分位数回归原理，模型(1)中的β通过求解最优化问题获得，即

其中，x_i对应训练数据优化集的w_i，y_i对应训练数据优化集的p_i组成；τ为分位数，在额定置信水平1-α的概率区间预测中，τ分位数分别取为区间上限的分为数τ_u，τ_u取为区间下限的分为数τ_l取为为了提高预测精度，还引入惩罚项f＝P·(1-PICP)，PICP为区间覆盖率，P为惩罚因子，区间覆盖率覆盖概率PICP定义为

其中N_t为训练数据优化样本数，κ为布尔量，功率值p_i包含于区间预测上下限时κ＝1，否则κ＝0，惩罚项f与F共同构成适应度函数，即最终粒子群优化适应度函数为fitness＝F+f；

步骤3.2、利用粒子群算法根据适应度函数优化核极限学习机中的参数C、σ以及模型(1)中的β，根据比较每个粒子的适应度函数在每次迭代中的大小，更新粒子速度、位置、个体极值和全体极值，得到最优参数C，σ和β；

步骤4、将得到的最优目标参数C、σ以及β带入到(1)式的核极限学习机分位数回归模型，带入测试数据，输出风电功率预测区间上限和下限。

2.根据权利要求1所述的一种基于核极限学习机分位数回归的风电功率区间预测方法，其特征在于：对所述数据的处理包括将风电场的原始数据按时间顺序排序，删除其中的缺值点，停机点及限功率点，删除不合理的数据点。

3.根据权利要求1所述的一种基于核极限学习机分位数回归的风电功率区间预测方法，其特征在于：核函数k也可为线性核函数和多项式核函数。