(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111059147.4 (22)申请日 2021.09.10 (71)申请人 国网山东省电力公司经济技 术研究 院 地址 250021 山东省济南市槐荫区纬十路 111号 申请人 国家电网有限公司 　河海大学 (72)发明人 魏佳　鉴庆之　李文升　张栋梁　 刘晓明　孙东磊　袁振华　赵龙　 汪湲　杜鹏　田鑫　杨思　高效海　 王男　张辉　程佩芬　杜欣烨　 孙永辉　周衍　 (74)专利代理 机构 南京合砺 专利商标代理事务 所(普通合伙) 32518 代理人 许云花(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 30/27(2020.01) G06Q 50/06(2012.01) (54)发明名称 一种基于复合分位数回归的海上风电功率 概率预测方法 (57)摘要 本发明公开了一种基于复合分位数回归的 海上风电功率概率预测方法， 该方法首先分析概 率预测区间评价指标， 基于该指标的预测区间改 进策略， 且综合考虑预测区间的可靠度、 敏锐度； 然后分析预测区间评价指标， 计及可靠度、 敏锐 度， 提出复合分位数回归模型， 通过调节系数优 化预测指标之间的权重， 进一步提高预测区间性 能， 完成预测区间综合性能优化； 最后输入风电 功率时间序列， 实现超短期概率预测。 算例测试 表明， 本发 明的预测区间性能明显优于传统基于 分位数回归模 型的预测模型， 能提供高质量的概 率预测区间。 权利要求书2页 说明书7页 附图3页 CN 113902170 A 2022.01.07 CN 113902170 A 1.一种基于复合分位数回归的海上风电功率概率预测方法， 其特征在于， 包括如下步 骤： (1)导入经过归一化处理的历史风电功率时间序列构建样本数据， 包括对数据进行处 理， 初始化极限学习机模型的输入层至隐含层的系数和隐含层的阈值， 预测额定 置信区间； (2)构建复合分位数回归模型， 将敏锐度指标优化引入传统分位数回归的代价函数， 结 合可靠度优化， 组成复合指标； 所述的复合分位数回归 模型代价 函数如下： 其中， α为置信度， 和 为过渡变量， λ为调节系数， 该代价函数基于线性规划方法完 成优化； (3)通过调节系数平衡复合指标中可靠度和敏锐度的权重， 调 节预测区间性能， 并根据 训练集预测区间性能， 优化该调节系数； (4)根据最优调节系数， 进行复合分位数回归模型的输出系数优化， 完成训练， 并通过 风电功率时间序列， 输出 预测区间。 2.如权利要求1所述的基于复合分位数回归的海上风电功率概率预测方法， 其特征在 于， 步骤(1)中， 对数据进行处理， 即初始化极限学习机模型的输入层至隐含层的系数和隐 含层的阈值， 预测额定置信区间， 导入经过归一化处理的历史风电功率时间序列， 构建样 本， 具体包括如下步骤： (1.1)依次初始化极限学习机的隐含层系数和阈值； (1.2)设置分位数回归模型的边界分位数百分比， 使得上分位数百分比减去下分位数 百分比为置信区间百分比； (1.3)将历史风电功率时间序列导入 且序列归一 化处理； (1.4)构建时间序列的输入输出样本集， 其表达式如下： 其中， xi和yi均为风电功率， 分别为第i组样本的输入和输出量， S为样本个数。 3.如权利要求1所述的基于复合分位数回归的海上风电功率概率预测方法， 其特征在 于， 步骤(2)构建的复合分位数回归 模型中， 引入的分位数回归敏锐度如下 所示： 其中， G()为敏锐度优化项， T是样本总数， g()为极限学习机输出， 和wα分别为上下 分位数百分比 和 α 的输出系数； 所述复合分位数回归 模型代价 函数满足如下 条件约束： 0≤g(xt,wα)≤1 ‑|βα,j|≤wα,j≤|βα,j|权　利　要　求　书 1/2 页 2 CN 113902170 A 2其中， yt为实测值。 4.如权利要求1所述的基于复合分位数回归的海上风电功率概率预测方法， 其特征在 于， 步骤(3)中， 通过调节系数平衡复合指标中可靠度和敏锐度的权重， 调节预测区间性能， 并根据训练集预测区间性能， 优化该调节系数， 具体包括如下步骤： (3.1)根据调节系数值完成复合分位数回归 模型的优化， 计算训练集预测区间； (3.2)计算预测区间的可靠度， 计算表达式如下 所示： |ACE|＝|PICP ‑PINC| 其中， |ACE|为预测区间覆盖偏差， 为衡量预测区间可靠度的指标， PICP为预测区间覆 盖实测值的百分比， PI NC为额定置信度； (3.3)计算预测区间的综合 性能， 计算过程如下 所示： 其中， 为预测区间综合评分， 综合评价预测区间的性能； 为各点评分； 为预测区间宽度； 和 分别为预测区间的上、 下分位数。 5.如权利要求1所述的基于复合分位数回归的海上风电功率概率预测方法， 其特征在 于， 步骤(4)中， 根据最优调节系数， 进行复合分位数回归模型的输出系数优化， 完成训练， 并通过风电功率时间序列， 输出 预测区间， 具体包括如下步骤： (4.1)根据预测区间调 节系数优化结果， 基于训练集输入样本集， 运用线性规划方法对 复合分位数回归 模型进行优化， 计算 最优输出系数， 完成模型训练； (4.2)导入测试样本的输入， 根据已训练好的模型计算预测区间。权　利　要　求　书 2/2 页 3 CN 113902170 A 3