本发明属于可再生能源功率预测,尤其涉及适用于缺失值场景的风电功率概率预测方法。
背景技术:
1、由于传感器及通信故障等,风电场实际出力数据中经常出现数值缺失问题,这些缺失值给模型训练以及预测均造成很大的影响。在训练阶段,当缺失值占比很小时,通常可以删除含有缺失值的部分数据,但这同样删除了这部分数据中观测值所含有的信息。在预测阶段,面对缺失值,预测者通常被迫采用诸如持续法(邻近值)或气象学模型(历史值经验概率分布)等作为替代进行预测,可能会严重影响预测质量。
2、在含缺失值场景下,最常见的思路为对缺失值进行补全;然而缺失值补全处理同样存在误差,该误差可能被引入预测问题进而对模型训练及预测造成影响。另一个思路则是对现有模型进行改造,以适应缺失值情形,但是这类研究大多关注于点预测,鲜有工作对适用于缺失值场景的概率预测方法做出探索。事实上,补全问题与预测问题之间并不存在清晰的界定,例如预测问题可以看作缺失值在序列末尾情形下的补全问题。而且,预测与补全问题均是假定序列的结构存在延续,从而利用观测值推断未观测的值。换言之,可以利用观测值推断序列的潜在结构,从而建立模型联合实现补全与预测任务。因此,有必要研究缺失值对预测的影响以及含缺失值的短期风电功率概率预测方法。
技术实现思路
1、为解决上述技术问题,本发明提出了适用于缺失值场景的风电功率概率预测方法,本发明利用多重补全方法提供输入特征与目标值的联合概率分布的多个等概率实现,从而能够进行概率预测。
2、为实现上述目的,本发明公开了适用于缺失值场景的风电功率概率预测方法,其特征在于,包括:
3、获取风电功率信息;
4、从所述风电功率信息中提取历史风电功率数据作为输入特征和待预测功率作为目标变量;
5、基于所述输入特征和目标变量结合完全条件规范模型,获取输入所述特征及目标变量的联合概率分布;
6、对所述联合概率分布行边缘化,获取风电功率概率预测结果,完成风电功率概率的预测。
7、可选的,所述风电功率信息为包含缺失值的风电功率数据。
8、可选的,所述风电功率信息为:
9、
10、其中,z为含缺失值的训练数据,x=[x1,…,xn]t为概率预测问题的输入特征与y=[y1,…,yn]t为目标变量。
11、可选的,完成风电功率概率的预测包括:
12、将所述输入特征和目标变量输入至所述完全条件规范模型,采用迭代法对缺失值进行采样从而对所述输入特征和目标变量进行补全,获取候选值;
13、利用所述候选值,对所述缺失值进行补全,完成风电功率概率的预测。
14、可选的,对估计参数进行估计包括:
15、基于均值预测匹配机制,构建回归模型;
16、基于回归模型,利用极大似然法对所述估计参数进行估计。
17、可选的,所述估计参数为:
18、
19、其中,l(·)为均方误差函数;θj为模型参数,gj为回归模型,zi,j为第i行第j列元素,zi,-j为第i行其它元素。
20、可选的,风电功率概率的预测还包括:基于自回归过程和向量自回归过程对缺失值进行仿真,采用均方根误差对所述预测值进行验证。
21、可选的,基于自回归过程和向量自回归过程对缺失值进行仿真,采用均方根误差对所述预测值进行验证包括:
22、基于风电功率概率数据,获取模拟缺失值和缺失率;
23、将所述风电功率概率数据划分为训练集和测试集,基于所述训练集和测试集,对所述缺失率所对应的缺失值进行仿真和验证。
24、与现有技术相比,本发明具有如下优点和技术效果:
25、本发明提出了“联合补全”策略,基于完全条件规范模型同时对输入特征进行补全以及对目标进行预测。因此,该方法无需预处理过程,而且保持了训练阶段与预测阶段的一致。在预测阶段,则将待预测的值当作缺失值,迭代补全输入特征与目标中的缺失值。此外,多重补全方法能够提供输入特征与目标值的联合概率分布的多个等概率实现,从而能够进行概率预测。
1.适用于缺失值场景的风电功率概率预测方法,其特征在于,包括:
2.根据权利要求1所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,所述风电功率信息为包含缺失值的风电功率数据。
3.根据权利要求2所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,所述风电功率信息为:
4.根据权利要求1所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,完成风电功率概率的预测包括:
5.根据权利要求4所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,对估计参数进行估计包括:
6.根据权利要求5所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,所述估计参数为:
7.根据权利要求1所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,风电功率概率的预测还包括:基于自回归过程和向量自回归过程对缺失值进行仿真,采用均方根误差对预测结果进行验证。
8.根据权利要求7所述的适用于缺失值场景的风电功率概率预测方法,其特征在于,基于自回归过程和向量自回归过程对缺失值进行仿真,采用均方根误差对所述预测值进行验证包括: