CN114386324B 一种基于转折性时段识别的超短期风电功率分段预测方法 （上海电力大学）

AU2020104000A4,2021.02一种基于转折性时段识别的超短期风电功本发明涉及一种基于转折性时段识别的超取时序趋势；采用高斯窗法对指数移动平均线基于局部时序特征的窗口调整策略自适应调节气突变时段；对转折段时序采用改进GRU算法点立时序模式-功率预测误差概率密度分布模型，基于可变带宽核密度估计法进行风电功率概率2窗法进行平滑处理后求取各时刻变化率为α;2)基于步骤1)得到的EMA曲线，利用EMA曲线局测阈值ε,若窗口与其前一窗口之间分布差异波动小于该检测阈值ε,则扩大窗宽加快检测3)基于步骤2)制定的局部特征差异的窗口调整策略，利用步骤1)求取的α作为判据之4)改进传统功率突变时段判据，合并相邻同趋势突变时6)对平缓段采用点预测，采用GRU作为点预测的原始算法，引入结合CRS算法的改进63)根据WB的损失情况选取最优注意力权重子集WiB和W",并对其子集组合进行反复循8)将步骤6)和步骤7)组合完成基于转折性时段的超短期风电功率预测，获取预测功2.根据权利要求1所述的基于转折性时段识别的超短期风电功率分段预测方法，其特3.根据权利要求1所述的基于转折性时段识别的超短期风电功率分段预测方法，其特3为其中Vsi为待检测数据的第i个窗口数据数据分布的23)设定阈值ε,若diffi的值小于或等于阈值ε,则扩大滑动窗宽W，增加检测速度；若4.根据权利要求1所述的基于转折性时段识别的超短期风电功率分段预测方法，其特5.根据权利要求4所述的基于转折性时段识别的超短期风电功率分段预测方法，其特首先引入步骤1)求取的各时刻变化率α作为判据之一，设定拐点满足条件α=0；基于6.根据权利要求1所述的基于转折性时段识别的超短期风电功率分段预测方法，其特ttr7.根据权利要求1所述的基于转折性时段识别的超短期风电功率分段预测方法，其特72)采用经验分布估计方法建立各类别在不同天气类型条件下时序模式-风电功率预8.根据权利要求7所述的基于转折性时段识别的超短期风电功率分段预测方法，其特4[0003]在以转折性天气为代表的极端气象条件下，风电功率在短时间内呈现剧烈波[0004]当前针对转折性天气下的风电功率突变研究尚局限于对风电爬坡事件描述与预[0005]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于转折性时高斯窗法进行平滑处理后求取各时刻变化率为α;5定检测阈值ε,若窗口与其前一窗口之间分布差异波动小于该检测阈值ε,则扩大窗宽加快[0010]3)基于步骤2)制定的局部特征差异的窗口调整策略，利用步骤1)求取的α作为判[0019]22)在转折点检测中，定义diffi为度量第i个窗口与前一窗口的分布差异波动情况，记为其中Vsi为待检测数据的第i个窗口数据数据6r[0039]63)根据WB的损失情况选取最优注意力权重子集WiB和W",并对其子集组合进行反[0043]72)采用经验分布估计方法建立各类别在不同天气类型条件下时序模式-风电功7[0048]3)针对气象模式下功率时序特征差异性，提出一种立足于时序特征匹配的点预[0049]图1为实施例中基于转折性时段识别的超短期风电功率分段预测方法的流程示意部时序特征差异的滑动时间窗宽调整策略显著提8神经网络。GRU中的更新门是由LSTM网络中的遗忘门和输入门合并而成，模型架构更为简CRS算法的Attention机制指导分布估计方法建立各类别在不同天气类型条件下时序模式-风电功率预测误差概率密度分针对上一步骤得到的EMA曲线，利用EMA曲线局部特征差异来计算出相邻窗口的分布差异，[0074]多数功率突变检测算法通过待检测局部数据分布与标准数据分布的差异大小来9[0101]进一步地，本发明对传统的GRU模型进行改进优化，结合CRS算法的Attention机同的权重。传统的Attention机制中先输入到网络的内容携带的信息会被后输入的信息覆结合CRS(Competitiverandomsearch)算法的改进Attention机制(ImprovedattentionB的损失情况来选取最优注意力权重子集WiB和并对其子集组合进行反复j来计算预测误差：LOSS(j(w,"),y).[0109]4)根据误差反馈，选择最优注意力权重子集WiB和每个子集由二进制字符串i1和分别是WiB和m"的一部分。in-1和r",然而所选分段的[0112]7)模拟了一个基因突变，并逆转了e"的基因型。例如，0被反转为1。然后zr[0123]2)采用经验分布估计方法建立各类别在不同天气类型条件下时序模式-风电功率[0126]22)针对相应时序模式特征计算功率预测误差概率分布，求取基于多种气象模式i为预测误差数据中的第i个样本值。[0134]25)首先引入积分均方误差以判断估计所得的概率密度函数和真实的概率[0136]其中MISE表示为主项AMISE的和，当h→0，nh→∞时，定义[0138]式中，AMISE为关于窗宽h的表达式，当AMISE取到最小值时达到最优h值，即可