基于分量稀疏贝叶斯学习的风电场输出功率的概率预测方法

摘要

概率预测有别于期望值预测，能够提供被预测量的概率分布信息。本文提出一种基于分量稀疏贝叶斯学习的风电场输出功率的短期概率预测方法。该方法采用分量预测方式，应用离散正交小波变换Mallat 算法将风电场输出功率分解为体现输出功率变化主趋势的趋势分量与平稳度较好的扰动分量，利用风速与风电场输出功率趋势上较强的相关性，结合趋势分量的自相关性对趋势分量进行预测，同时，根据扰动分量近似平稳的特点，利用其自身的自相关性对扰动分量进行预测。文中基于稀疏贝叶斯学习理论（sparse Bayesian learning，SBL）构建预测模型，实现对趋势分量、扰动分量以及原风电场输出功率的概率预测，并通过构建多学习机实现风电场输出功率的多步预测。算例分析通过对某处风电场7200 次连续预测，验证了本文方法的有效性。