稀疏高斯过程在短期风电功率概率预测中的应用

稀疏高斯过程在短期风电功率概率预测中的应用

论文摘要

针对短期风电功率预测,提出一类基于稀疏高斯过程(sparse gaussian processes,Sparse-GP)的概率预测方法。通过对数据集随机划分所形成的数据子集,给出基于数据点子集(subset of datapoints,SoD)近似、回归子集(subset of regressors,SoR)近似、投影过程(projected process,PP)近似算法的3种Sparse-GP方法,该方法不仅能给出模型的均值预测,而且能获取模型的预测方差,这很好地解释了模型置信水平。不同的Sparse-GP方法在保持常规GP方法优点的同时,还能解决GP方法随着训练数据增加而产生的矩阵运算困难等难题,且计算效率高。将具有不同协方差函数形式的Sparse-GP方法应用于不同地区的短期风电功率单步与多步预测实例中,在同等条件下还与常规GP、SVM方法进行对比。实验结果表明,Sparse-GP方法可以给出较好的预测效果,且适用于较大规模数据集的训练。

论文目录

  • 0 引言
  • 1 稀疏GP方法
  •   1.1 SOD近似算法
  •   1.2 SoR近似算法
  •   1.3 PP近似算法
  • 2 模型的选择及“超参数”优化
  • 3 应用实例
  •   3.1 实例一
  •   3.2 实例二
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 李军,杜雪

    关键词: 稀疏高斯过程,风电功率,概率预测,协方差函数,近似算法

    来源: 电机与控制学报 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 兰州交通大学自动化与电气工程学院

    基金: 国家自然科学基金(51467008)

    分类号: TM614

    DOI: 10.15938/j.emc.2019.08.009

    页码: 67-77

    总页数: 11

    文件大小: 1701K

    下载量: 227

    相关论文文献

    • [1].风电功率概率预测研究综述[J]. 东北电力大学学报 2020(02)
    • [2].计及风向信息的风电功率异常数据识别研究[J]. 太阳能学报 2019(11)
    • [3].基于约翰森协整及格兰杰因果检验的风电功率关键要素辨识与预测方法[J]. 供用电 2019(12)
    • [4].风电功率组合预测技术研究综述[J]. 气象科技进展 2016(06)
    • [5].基于人工鱼群优化算法的支持向量机短期风电功率预测模型[J]. 电气工程学报 2016(10)
    • [6].基于混沌理论的风电功率超短期多步预测的误差分析[J]. 电力系统保护与控制 2017(04)
    • [7].基于风电功率周期特性的组合预测研究[J]. 太阳能学报 2016(07)
    • [8].基于相似性修正的风电功率爬坡事件预测方法[J]. 中国电机工程学报 2017(02)
    • [9].基于t Location-Scale分布的风电功率概率预测研究[J]. 中国电力 2017(01)
    • [10].风电功率预测信息在日前机电组组合中的应用[J]. 建材与装饰 2017(07)
    • [11].基于近似熵的风电功率可预测性研究[J]. 太阳能学报 2016(10)
    • [12].基于改进的灰色模型和支持向量机的风电功率预测[J]. 沈阳大学学报(自然科学版) 2017(03)
    • [13].风电功率预测技术研究综述[J]. 现代电力 2017(03)
    • [14].基于改进马尔科夫链的风电功率时间序列模型[J]. 电力建设 2017(07)
    • [15].基于思维进化算法的风电功率预测研究[J]. 计算技术与自动化 2017(02)
    • [16].基于集对分析聚类法的超短期风电功率区间预测[J]. 可再生能源 2017(09)
    • [17].考虑风力发电随机性的超短期风电功率区间预测研究[J]. 太阳能学报 2017(05)
    • [18].超短期风电功率爬坡事件对风电功率实时预测误差的影响研究[J]. 太阳能学报 2017(03)
    • [19].风电功率概率预测方法及展望[J]. 电力系统自动化 2017(18)
    • [20].基于模糊粒计算的风电功率实时预测研究[J]. 东北电力大学学报 2017(05)
    • [21].新生儿静息与任务脑电功率的发展比较研究[J]. 中国儿童保健杂志 2016(05)
    • [22].风电功率短时骤降的极值统计分析[J]. 电力系统保护与控制 2015(07)
    • [23].飞轮储能在风电功率预测系统中的应用探究[J]. 河北工业大学学报 2015(02)
    • [24].风速及风电功率预测研究综述[J]. 山东电力技术 2015(07)
    • [25].核心素养理念下优化物理实验探究过程的思考与实践——以《测量小灯泡的电功率》为例[J]. 中学生数理化(自主招生) 2020(Z1)
    • [26].解读电功率[J]. 中学生数理化(初中版.中考版) 2018(12)
    • [27].电功率的解题思考[J]. 数理化学习(初中版) 2018(11)
    • [28].V变I变P更变数学巧解电功率[J]. 数理化学习(初中版) 2019(11)
    • [29].谈谈电功率[J]. 数理化学习(初中版) 2009(01)
    • [30].好好认知电功率[J]. 数理化学习(初中版) 2010(03)

    标签:;  ;  ;  ;  ;  

    稀疏高斯过程在短期风电功率概率预测中的应用
    下载Doc文档

    猜你喜欢