基于Bagging混合策略的多风电场稀疏向量自回归概率预测

作者：徐扬; 张耀^*; 陈宇轩; 王建学; 黎淦保

来源：电力系统保护与控制, 2023, 51(07): 95-106.

DOI：10.19783/j.cnki.pspc.220970

• Bagging
• 稀疏向量自回归
• 超短期风电预测
• 核密度估计
• 概率预测

风电功率预测对电力系统的安全稳定运行具有重要意义。针对多风电场的超短期概率预测问题，提出了一种基于Bagging混合策略和核密度估计(kerneldensityestimation, KDE)的稀疏向量自回归预测方法。首先通过时间序列分解和余项自举，生成若干自举时间序列。对于每个时间序列，采用向量自回归(vectorautoregression, VAR)模型进行预测。针对传统模型在风场数量较多时容易出现的过拟合问题，采用稀疏向量自回归模型，筛选最有效的回归系数，得到稀疏系数矩阵。每个时间序列训练的预测模型分别产生点预测结果，对于多重点预测结果，使用KDE方法产生概率密度的预测结果。在真实风电集群数据上，验证所提多场站概率预测方法的有效性，采用分位数得分评估概率预测精度。相关实验结果表明，该方法可以有效提高概率预测精度。

• 单位
  西安交通大学