一种基于实例迁移的风力发电的分位数预测方法

摘要

本发明公开了一种基于实例迁移的风力发电的分位数预测方法，包括以下步骤：采集其他地区的风力发电数据，采取实例迁移的方法构建目标问题的训练集；构建基于实例迁移的风力发电的分位数预测模型；分析基于实例迁移的梯度提升树模型的误差；重新推导权重的公式；采用据最大似然法推出参数θ最有可能的取值；求解最优的预测函数；采用基于迭代的方式求解权重；本发明通过将迁移学习的方法与风力发电概率预测问题结合，通过利用其它地区的信息，在缺乏历史数据情况下的风力发电概率预测的精度能够显著提升，并通过针对概率预测设计了独特的算法结构，以及结合广义负荷的概率预测的特点重新推导了权重的公式，提高了权重求解速度，减少了计算量。