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: 安滨 杨明 林优 韩学山
• 来源期刊: 电网技术
• 学科: 工学
• 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
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 大规模交直流混联电网运行特性、风险及控制技术(特约栏目主编 汤涌、易俊)
• 页码范围: 1113-1119
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2016.04.020

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,GN](GN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。