基于EWT和分位数回归森林的短期风电功率概率密度预测

作者：孙国强; 梁智; 俞娜燕; 倪晓宇; 卫志农; 臧海祥; 周亦洲

来源：电力自动化设备, 2018, 38(08): 158-165.

DOI：10.16081/j.issn.1006-6047.2018.08.023

• 经验小波变换
• 分位数回归森林
• 核密度估计
• 概率密度
• 短期风电功率预测
• 模型

概率密度预测能够给出未来风电功率可能的波动范围、预测值出现的概率及不确定性等更多信息,提出基于经验小波变换(EWT)和分位数回归森林的短期风电功率概率密度组合预测模型。首先,采用新型自适应信号处理方法——经验小波变换,将原始风电功率序列分解为一系列频率特征互异的经验模式;然后,对每一经验模式序列分别构建分位数回归森林预测模型,得到任意分位点条件下的预测结果,通过叠加不同经验模式预测结果获得最终的短期风电功率预测值;最后,对预测值条件分布采用核密度估计获得任意时刻概率密度预测。仿真结果验证了所提模型的有效性。

• 单位
  无锡扬晟科技股份有限公司; 电气学院; 河海大学