买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网湖南省电力有限公司

摘要：本发明公开了一种基于小波变换的风电功率置信区间预测方法、装置及介质，其中方法为：使用历史的气象数据作为两个RF模型的输入，使用小波分解得到风电功率的近似分量和细节分量，分别作为两个RF模型的输出训练目标进行训练得到预测模型，即可用于根据未来的气象数据对进行风电功率预测，完成第一步对风电功率进行点预测；另外，还使用预测模型和历史的气象数据进行预测以获取风电功率的预测误差，建立逻辑分布核函数核密度估计函数，以根据预选的置信度计算风电功率预测的置信区间；最终由风电功率的点预测数据与风电功率预测的置信区间，计算得到未来目标预测时段的风电功率预测区间，实现了对未来风电功率完整概率分布的预测。

主权项：1.一种基于小波变换的风电功率置信区间预测方法，其特征在于，包括以下步骤：步骤1，获取气象历史数据和风电功率历史数据，针对风电功率历史数据进行小波分解，获取风电功率的近似分量和细节分量；所述针对风电功率历史数据进行小波分解，获取风电功率的近似分量和细节分量，具体为：对风电功率历史数据进行小波分解，采用Mallat算法对得到的小波系数进行分析得到风电功率历史数据分别在高频部分和低频部分的小波系数，使用高频部分的小波系数重构得到风电功率的细分部分，使用低频部分的小波系数重构得到风电功率的近似部分；步骤2，以气象历史数据为输入、风电功率的近似分量为输出，训练第一随机森林RF模型得到风电功率第一预测模型；以气象历史数据为输入、风电功率的细节分量为输出，训练第二随机森林RF模型得到风电功率第二预测模型；所述的第一随机森林RF模型和第二随机森林RF模型，其训练方法为：针对每个随机森林RF模型的训练样本集，均从中有放回地抽取个相互独立的训练子集，并建立由棵决策树构成的随机森林RF模型；每棵决策树均作为基学习器使用各自的训练子集进行训练，将棵决策树的预测结果采用平均原则计算得到最终预测模型的最终预测结果；步骤3，将气象历史数据分别输入至风电功率第一预测模型和风电功率第二预测模型，使用输出得到的预测结果求和，得到预测的风电功率；步骤4，对预测的风电功率与实际的风电功率相减，得到风电功率预测误差；步骤5，使用风电功率预测误差的所有样本点，采用逻辑核密度估计方法拟合预测误差概率密度分布函数；采用核密度估计方法拟合得到的绝对误差概率密度分布函数为： ；式中，为绝对误差概率密度分布函数的变量，为风电功率预测误差的第个样本点的风电功率绝对误差，为风电功率预测误差包括的样本点数量，是窗宽；且；步骤6，根据风电功率的预测误差概率密度分布函数以及预选的置信度，计算风电功率预测的置信区间；步骤7，获取目标预测时段的气象数据，将其分别输入至风电功率第一预测模型和风电功率第二预测模型，将输出得到的预测结果求和，得到目标预测时段的风电功率确定性预测结果预测的风电功率；步骤8，按风电功率预测的置信区间，对目标预测时段的风电功率确定性预测结果进行区间扩展，得到目标预测时段的风电功率预测区间。

全文数据：

权利要求：

百度查询： 国网湖南省电力有限公司 基于小波变换的风电功率置信区间预测方法、装置及介质