[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

摘要

本发明公开了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：采集风电场输出功率与风速数据；数据进行简单处理，删去不合理的数据；构建核极限学习机分位数回归模型；利用粒子群算法优化核极限学习机分位数回归参数并确定回归模型；带入测试数据得到风电功率预测区间。本发明有效地将分位数回归原理和核极限学习机模型结合，通过粒子群算法搜索寻优获得最优的模型参数，能够有效地把握风电功率中的不确定信息，进而得到较好的预测结果，能够为风电并入的安全稳定运行提供依据。

主权项

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)…(wi，pi)}，wi为第i时刻的风速，pi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；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。