一种基于递阶集成的风电功率概率预测方法

摘要

本发明公开了一种基于递阶集成的风电功率概率预测方法。所述方法通过重采样和偏最小二乘法构建子空间集，在每个子空间上利用GMM聚类得到多个局部区域，并建立相应的局部GPR模型，利用贝叶斯推理策略和有限混合机制融合局部模型建立第一层集成模型。采用遗传算法挑选出适合的第一层集成模型进行选择性自适应集成，得到选择性递阶集成高斯过程回归概率预测模型。为了解决风电数据特征的变化导致的性能恶化问题，通过引入自适更新策略，使预测模型有自适应更新的能力。本发明将选择性递阶集成学习框架用于超短期的风电功率预测，与传统集成学习预测方法相比，本发明具有更高的预测精度和稳定性，而且产生的预测区间能为电力调度提供有效参考。