戳题目，看全文！

考虑误差时序-条件性质的短期风电功率概率预测/乔颖，鲁宗相，吴问足

《电网技术》2020年第7期：2529-2537.

01研究内容

1.时间相依性的存在

风电功率不确定性有着多元化的特征,短期风电功率预测误差的概率分布既具有条件相依性，又具有时间相依性。下图展示了时间相依性：在连续采样(蓝色，按天抽取96点)和随机采样方式(粉色，按96点抽取)下的误差经验分布存在显著不同。连续采样得到的经验分布表现出偏离总体分布的特性；随机采样得到的经验分布大部分收敛于总体分布周围。而这一特性在超短期预测中基本观察不到。

2.如何计入时间相依性

考虑条件相依性与时间相依性有助于提高短期概率预测模型，但要求将原始样本集分类成多个子样本集(如下图所示)，以提高分布函数统计学显著性。子集内样本数骤减也导致概率密度函数拟合极不稳定，从而缺乏统计学意义。

考虑两种特性的样本分离方法

为了增加样本子集规模，考虑时间相依性时采用较弱的分离条件，即按照误差连续样本的方均根来分离，方均根大于阈值的连续误差样本属于一组，小于阈值的属于另一组。如下图所示(Ω¹/Ω⁰)分别对应日方均根误差大和小的两种情形。

Ω¹/Ω⁰的概率密度分布

3.如何“猜”待预测日属于哪一类？

概率预测需要将待预测日归入某样本子集，从而选取对应的分布函数完成预测。然而待预测日特征与所属类的相关关系并不稳定，采用硬分类方法(如SVM，支持向量机)存在较大误差。

本文引入随机森林算法(RF)解决分类不确定性难题，利用训练集合及相关属性的信息，在模糊分类问题上更具优势，如下图所示。

4.最终效果

考虑了时序特性和条件相依特性的耦合，其可靠性指标和敏锐性指标均优于其他方法，说明在概率预测加入局部时段误差特征的分类和预测以有助于提高建模的精度。

02后续研究方向

源于天气系统的连续性，风电功率具有非平稳性，风电预测误差的条件性、空间相关性和时间依赖性都源于此。直至目前，我们对非平稳随机过程的建模手段仍然不多，本文抛砖引玉，希望能够引发更多预测误差机理的探讨。

参 文 格 式

乔颖，鲁宗相，吴问足．考虑误差时序-条件性质的短期风电功率概率预测[J]．电网技术，2020，44(7)：2529-2537．

Qiao Ying，Lu Zongxiang，Wu Wenzu．Day-ahead wind power probabilistic forecast considering conditional dependency and temporal correlation[J]．Power System Technology，2020，44(7)：2529-2537(in Chinese)．

相关文献

王钊，王勃，冯双磊，等．区域多风电场功率的分位数回归概率预测方法[J]．电网技术，2020，44(4)：1368-1375．

团队介绍

清华大学新能源电力系统动态分析与运行科研团队，聚焦未来电力系统规划、大规模新能源并网运行、电热综合能源系统等研究课题，承担国家级课题10余项，发表100多篇相关科技论文和8部著作，获批发明专利40余项，获国家科技进步奖3项，省部级科技进步一等奖1项，三等奖2项，国网、南网科技进步奖十余项。

作者介绍

乔颖(1981)，女，2009年毕业于清华大学，工学博士，副研究员。研究方向为新能源、分布式发电、电力系统安全与控制。

责任编辑：王金芝

审核：李兰欣

本文为原创作品，所涉及文字及图片版权均属《电网技术》编辑部所有，根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编我社的作品，务请提前联系我编辑部。个人请按本微信原文转发、分享。