基于高斯過程回歸及Trust-Tech的短期風(fēng)電功率預(yù)測方法.pdf

1、隨著風(fēng)力發(fā)電占據(jù)發(fā)電功率的比例的提升，風(fēng)電功率的隨機性為電力系統(tǒng)的運行帶來了極大的挑戰(zhàn)。在計入風(fēng)電功率的影響之后，電力系統(tǒng)若干關(guān)鍵問題，諸如系統(tǒng)運行方式、電力市場價格以及旋轉(zhuǎn)備用的確定需要重新研究解決方案。由短期風(fēng)電功率預(yù)測工具所提供的風(fēng)電場功率出力情況，是解決這些關(guān)鍵問題的必要信息。因此，有必要發(fā)展高精度的短期風(fēng)電功率預(yù)測工具。
　　結(jié)合數(shù)值氣象預(yù)報的監(jiān)督學(xué)習(xí)模型已被廣泛用于求解短期風(fēng)電功率預(yù)測問題。但這些預(yù)測模型均使用目標(biāo)風(fēng)電

2、場的數(shù)值氣象預(yù)報信息作為主要輸入特征。本文提出了一種用于改進現(xiàn)有監(jiān)督學(xué)習(xí)模型的方法。該方法將監(jiān)督學(xué)習(xí)模型擴展成為半監(jiān)督學(xué)習(xí)模型。所得到的模型首先以擴展數(shù)值氣象數(shù)據(jù)作為輸入特征，并利用無標(biāo)簽氣象數(shù)據(jù)深入挖掘這些特征。該方法的關(guān)鍵步驟為數(shù)據(jù)驅(qū)動型特征提取方法，它能夠在給定擴展數(shù)值氣象特征的前提下計算得到補充特征。實際上，僅需加入這些補充特征就能夠完成對現(xiàn)有監(jiān)督學(xué)習(xí)模型的改進。本文為簡化說明，選擇高斯過程作為待改進的監(jiān)督學(xué)習(xí)模型對所提出方法進

3、行了闡述。
　　高斯過程模型的訓(xùn)練過程為一個非線性優(yōu)化問題。該問題的每個局部最優(yōu)解是模型對數(shù)據(jù)的一種解釋。本文應(yīng)用Trust-Tech（TRansformation Under STability-reTaining Equilibria Characterization）全局優(yōu)化方法實現(xiàn)求取該問題的多個不同的局部最優(yōu)解。得到多種數(shù)據(jù)解釋后，可用模型平均方法提升預(yù)測模型的精度。計算多個局部最優(yōu)解的過程用時較多。為減少計算量，本文提

4、出了雙層近似策略下應(yīng)用Trust-Tech單層搜索方法改進的高斯過程。本文對相關(guān)方法的時間復(fù)雜度進行了分析。相比于在GP模型訓(xùn)練過程中直接應(yīng)用Trust-Tech單層搜索法，本文所提出的訓(xùn)練方法所需計算量更小。
　　本文提出了一種基于高斯過程的短期風(fēng)電功率高精度點預(yù)測模型。該模型的第一個特點是它將有關(guān)數(shù)值氣象預(yù)報的先驗知識融入了核函數(shù)的構(gòu)造之中，具有更高的預(yù)測準(zhǔn)確度。第二個特點是引入Trust-Tech優(yōu)化技術(shù)，進一步提升預(yù)測精度