专利汇可以提供一种基于高维Copula技术的光伏发电爬坡事件概率预测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于高维Copula技术的 光伏发电 爬坡事件概率预测方法,包括如下步骤:从历史光伏功率数据中识别出光伏发电爬坡事件集合;提取表征爬坡事件的四种典型特征;采用ε不敏感 支持向量机 法得到各个特征量的点预测值;得到预测误差数据集,利用混合高斯模型建立单个特征量预测误差的边缘概率分布;利用正则最大似然估计法进行参数估计;选择最优的Copula函数模型;基于最优Copula模型,利用 牛 顿-拉夫逊法 迭代 得到具体的预测区间。本发明利用高维Copula建模方法,根据光伏功率爬坡特征量之间的随机相关性,建立各个特征量的条件概率模型,能够为光伏发电爬坡事件的预测提供额外的不确定信息,提高概率预测的精确性和鲁棒性。,下面是一种基于高维Copula技术的光伏发电爬坡事件概率预测方法专利的具体信息内容。
1.一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:包括如下步骤:
S1:采用旋转门算法从历史光伏功率数据中识别出光伏发电爬坡事件集合;
S2:从光伏发电爬坡事件集合中提取表征爬坡事件的四种典型特征量:爬坡率(R)、爬坡幅值(M)、爬坡持续时间(D)和爬坡初始时间(S);
S3:依托光伏发电爬坡特征量数据,采用ε不敏感支持向量机法得到各个特征量的点预测值;
S4:根据功率爬坡特征量的预测值和实际测量值,得到预测误差数据集,利用混合高斯模型建立单个特征量预测误差的边缘概率分布;
S5:分别用不同类型的Copula函数建立光伏功率爬坡特征量的高维条件概率分布模型,利用正则最大似然估计法进行参数估计;
S6:根据贝叶斯信息判据,选择最优的Copula函数模型;
S7:基于最优Copula模型,依托光伏功率爬坡特征量的高维条件概率密度函数和点预测值,利用牛顿-拉夫逊法迭代得到具体的预测区间。
2.根据权利要求1所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S1具体为:输入基于时间序列的历史光伏功率信号,根据设定的门限参数,依托旋转门算法将功率信号分成多个离散区间,对每个区间内的爬坡事件进行线性逼近,形成光伏发电爬坡事件集合。
3.根据权利要求1所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S2具体为:依托步骤S1形成的光伏发电爬坡事件集合,提取表征爬坡事件的四种典型特征量:爬坡率(R)、爬坡幅值(M)、爬坡持续时间(D)和爬坡初始时间(S),形成爬坡特征量的历史数据集合
4.根据权利要求1所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S3具体为:依托步骤S2得到的光伏发电爬坡特征量数据集,采用ε不敏感支持向量机法,根据各个特征量的训练样本,通过非线性映射将输入数据映射到高维的特征空间,得到四个特征量的点预测值 和
5.根据权利要求1所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S4具体为:根据步骤S3得到的各个爬坡特征量的点预测值和实际量测值之差,得到光伏功率爬坡特征量的预测误差数据集xr, 利用混合高斯模型,依托期望最大化算法求解模型参数,建立单个特征量预测误差的边缘概率分布
6.根据权利要求5所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S5具体为:将光伏功率爬坡特征量的预测误差xr作为输入变量,四个特征量R、M、D和S作为条件变量,记作 和 然后分别用五种不同类型的Copula函数,分别为Gaussian-Copula、t-Copula、Clayton-Copula、Gumbel-Copula和Frank-Copula,建立光伏功率爬坡特征量的高维条件概率分布模型,则在各个特征量的点预测值为 和 的条件下,预测误差xr的高维条件概率密度函数PDF表示为:
式中fC(·)为多元Copula的PDF,不同类型Copula的PDF各不相同; 和
分别为所有条件变量以及输入变量xr和条件变量的联合PDF;F(·)表示累积分布函数CDF,依托各输入样本的经验CDF,将输入变量xr和条件变量 映射
到[0,1]区间:
利用正则最大似然估计法进行参数估计,得到:
式中,θ为Copula函数的参数;NS为量测样本个数;通过Matlab优化工具包中嵌入的fminbnd函数,求解出式(2)的Copula函数最优参数。
7.根据权利要求1所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S6具体为:利用贝叶斯信息判据评估不同Copula模型的拟合精度,BIC值越小,说明所选的Copula模型越能描述输入变量之间的相关性,通过最小化式(3)的BIC表达式,选择最优的Copula函数模型:
式中,NP为Copula函数的参数个数。
8.根据权利要求1所述的一种基于高维Copula技术的光伏发电爬坡事件概率预测方法,其特征在于:所述步骤S7具体为:基于步骤S6选出的最优Copula模型,依托步骤S2得到的光伏功率爬坡特征量在t时刻的点预测值 和步骤S5建立的特征量预
测误差的高维条件概率密度函数,计算置信概率为β的光伏功率爬坡特征量的概率预测区间
式中, 为预测误差的概率区间,表征功率爬坡特征量预测的不确定;预测区间上下界的分位概率αL=β/2,αU=1-β/2,针对预测误差xr的高维条件CDF的反函数没有解析表达式,利用牛顿-拉夫逊法迭代得到预测区间上下界 和 的数值解。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于WiFi多维参数特征的室内目标被动跟踪方法 | 2020-05-12 | 542 |
一种基于贝叶斯模型的SRAM电路良率分析方法 | 2020-05-15 | 910 |
一种具有语音识别的食堂刷卡装置及使用方法 | 2020-05-17 | 67 |
基于特征组的中医主症选择方法 | 2020-05-13 | 32 |
识别图片中电话号码的方法、系统、终端设备及存储介质 | 2020-05-15 | 659 |
一种用于生成对象的增强断层扫描图像的方法 | 2020-05-11 | 514 |
基于多能量系统响应矩阵的放射源定位重建方法 | 2020-05-15 | 509 |
一种基于卷积神经网络和距离监督的关系抽取方法 | 2020-05-18 | 361 |
毫米波大规模MIMO系统的波束空间信道估计方法 | 2020-05-20 | 395 |
图片分割方法、装置和系统 | 2020-05-13 | 108 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。