基于局部学习和多目标优化的选择性异质集成超短期风电功率预测方法

• 作者: 石立贤 金怀平 杨彪 钱斌 金怀康
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 风电功率预测 集成学习 局部学习 集成修剪 进化多目标优化 异质集成
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电网友好型风电控制技术|Grid-friendly Wind Power Control Technology
• 页码范围: 568-577
• 页数: 10页
• 分类号: TM614
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2021.0979

摘要

风能的间歇性、波动性和随机性会对电网造成巨大冲击,准确的风电功率预测对于制定发电计划和统筹调度至关重要,因此提出一种基于进化多目标优化的选择性异质集成(evolutionary multi-objective optimization based selection heterogeneous ensemble,EMOSHeE)风电功率预测方法.首先,结合K近邻和K均值聚类的优势构建多样性局部区域并通过概率分析剔除冗余状态,从而获得涵盖不同波动状态下的样本子集.其次,在每个局部区域上利用偏最小二乘、支持向量回归和高斯过程回归3种方法分别建立预测模型,得到一个具有较高多样性的异质模型库.随后,利用进化多目标优化算法对异质模型库进行集成修剪,从而获得一组较小规模、多样且高性能的异质模型集.最后,引入简单平均策略实现修剪后的异质模型集的融合并获得最终的预测结果.利用云南省和国外某风电场的真实数据验证了所提方法的有效性.