标题:基于条件分类与证据理论的短期风电功率非参数概率预测方法
作者:林优;杨明;韩学山;安滨
作者机构:[林优] 山东大学, 电网智能化调度与控制教育部重点实验室, 济南, 山东 250061, 中国.;[杨明] 山东大学, 电网智能化调度与控制教育部重点实验室, 济南, 山东 2500 更多
通讯作者:Yang, Ming(myang@sdu.edu.cn)
通讯作者地址:[Yang, M] Key Laboratory of Power System Intelligent Dispatch and Control, Shandong University, Ministry of EducationChina;
来源:电网技术
出版年:2016
卷:40
期:4
页码:1113-1119
DOI:10.13335/j.1000-3673.pst.2016.04.020
关键词:风电功率概率预测; 非参数估计; 支持向量机; 稀疏贝叶斯分类; D-S证据理论
摘要:提出了一种基于稀疏贝叶斯分类与Dempster-Shafer (D-S)证据理论的短期风电功率概率分布非参数估计方法,预测时间尺度为48 h。该方法首先通过支持向量机(support vector machine,SVM)对风电功率进行点预测;进而将SVM预测误差的范围离散为多个区间,通过建立稀疏贝叶斯分类器对SVM预测误差落入各预定区间的 概率进行估计。然后应用D-S证据理论对所有区间对应的概率估计结果进行整合,得到SVM预测误差的整体概率分布。最后叠加误差分布与SVM预测的风电功 率值,得到风电功率的概率分布结果。该方法基于稀疏贝叶斯架构构建,具有高稀疏性,确保了模型的泛化能力与计算速度。该方法还系统地计及了风电场输出功率 必须满足在[0,G_N ](G_N为风电场装机容量)内取值的边界约束,使预测结果更加符合实际。以某74 MW的风电场为例对上述方法进行了验证,结果表明了该方法的有效性。
收录类别:EI;CSCD;SCOPUS
Scopus被引频次:6
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-84968619415&doi=10.13335%2fj.1000-3673.pst.2016.04.020&partnerID=40&md5=87c9273c957db35215393c1294811c59
TOP