[发明专利]一种基于自适应双层优化的风电功率非参数区间预测方法

摘要

本发明公开了一种基于自适应双层优化的风电功率非参数区间预测方法，属于可再生能源概率预测领域。该方法结合极限学习机和分位数回归对预测区间进行建模，构成下层优化问题；以区间锐度为目标自适应调节预测区间对应的分位水平，构成上层优化问题。利用原始‑对偶内点算法，实现了预测模型高效可靠的训练。该方法无需依赖风电功率概率分布的先验性假设，突破了传统概率预测对于区间分位水平的中心对称限制，显著提升了预测区间的可靠性及锐度，为高比例风电电力系统的运行、控制提供重要参考。

主权项

1.一种基于自适应双层优化的风电功率非参数区间预测方法，其特征在于，将分位数回归和极限学习机结合，对风电功率的预测区间进行建模，构建基于极限学习机的分位数回归风电预测区间模型，作为双层优化问题的下层模型；通过对预测区间的锐度评估，引导分位水平的自适应调节，构建以最小化区间长度为目标的分位水平自适应调节模型，作为双层优化问题的上层模型；通过将双层优化问题等价转化为单层双线性优化问题，利用原始‑对偶内点算法，同步优化网络权重及分位水平，在保证概率可靠性的前提下提升预测区间的锐度。