[发明专利]一种基于最优权系数的风电功率组合预测方法

摘要

本发明公开了一种基于最优权系数的风电功率组合预测方法，该方法将ARIMA时间序列、BP神经网络、RBF神经网络和支持向量回归机这4种单项预测模型进行综合，构成组合预测模型，能够有效地综合各单一预测模型的优势，降低预测风险。根据组合预测误差信息矩阵，以误差平方和最小为原则得到组合预测模型中的最优权系数，提高了组合预测模型的性能。实测风电功率预测数据表明：本发明组合预测模型预测精度高，能够非常方便快速的确定最优权重系数值，降低预测误差。

主权项

一种基于最优权系数的风电功率组合预测方法，其特征在于，包括以下步骤：步骤1：采集连续历史风电功率数据，并对采集的数据进行归一化处理；步骤2：对归一化处理后的数据采用ARIMA时间序列、BP神经网络、RBF神经网络和支持向量回归机分别建立风电功率预测模型，将四个预测模型叠加得到组合预测模型；步骤3：构建组合预测模型的误差信息矩阵E：E＝[(e_it)_4×n][(e_it)_4×n]^T其中，e_it表示第i种预测模型在第t时刻的预测误差：e_it＝y(t)‑y_i(t),t＝1,2,…,n,i＝1,2,…,4；y(t)为t时刻实测的风电功率值，y_i(t)表示第i种预测模型在t时刻的预测值；步骤4：令组合预测模型中每个模型的权重系数为L＝(l₁,l₂,l₃,l₄)_4×1，组合预测模型的表达式如下：y^*(t)＝l₁y₁(t)+l₂y₂(t)+l₃y₃(t)+l₄y₄(t)其中，l₁+l₂+l₃+l₄＝1，y₁,y₂,y₃,y₄分别代表ARIMA时间序列、BP神经网络、RBF神经网络和支持向量回归机风电功率预测模型t时刻的预测值；步骤5：将步骤3中的组合预测模型的误差信息矩阵代入组合预测模型的表达式，按照公式求解最优权重系数；其中，R＝(1,1,…,1)_4×1；步骤6：将步骤5获得的最优权重系数代入组合预测模型表达式中，得到最优组合预测模型，将待预测的数据输入最优组合预测模型完成风电功率预测。