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