一种基于改进GPR与Bagging短期风电功率组合预测方法.pdf

第44卷 第 23期 电力 系统保护 与控制 V0l1．44No．23 2016年 12月1日 PowerSystem ProtectionandControl Dec．1，2016 D0I：10．7667／PSPC152072 一 种基于改进GPR,1：1Bagging的短期风电功率组合预测方法 张颖超 ，郭晓杰 ，邓 华 (1．南京信息工程大学信息与控制学院，江苏 南京 210044；2．南京信息工程大学气象灾害 预报预警与评估协同创新中心，江苏 南京 210044) 摘要：为提高短期风电功率的预测精度并对功率预测的不确定性进行量化，提出了基于高斯过程回归(Gaussina ProcessRegression，GPR)和 BootstrapAggregation(Bagging) 组合预测方法。针对 GPR的不稳定性和计算量大 的特 点，引入 了 Bagging和训练数据完全条件独立下 的近似方法 (FullyIndependentTrainingConditional Approximation，FITC)。同时，在贝叶斯决策 (BayesianCommitteeMachine，BCM)的基础上，提出了一种新的 权重组合策略。实验表明，基于Bagging和FITC的GPR方法在稳定性、预测精度和训练时间的消耗上都优于 传统的GPR方法。在风电功率预测中，改进的GPR可以给出较准确的置信区间，且与极限学习机、最dx--乘 支持向量机相比较，该方法的预测精度也有明显提高。 关键词：GPR；Bagging；风电功率预测；不确定性量化；BCM A combinationmethodofshort-term windpowerforecastingbasedonimprovedGPR andBagging ZHANGYingchao一，GUOXiaojie，DENGHua， (1．SchoolofInformationnadControl，NanjingUniversityofInfomrationScienceTechnology,Nanjing210044，China； 2．CollaborativeInnovationCenteronForecastandEvaluationofMeteOrOlOgicalDisasters， NanjingUniversiytofInfomrationScienceTechnoloyg,Nanjing210044．China) Abstract：Inordertoimprovetheaccuracyofshort-term windpowerforecastingandquna tifytheuncertaintyofpower prediction，acombinationforecastingmethodbasedonGaussinaProcessRegression(GPR)nadBootstrapAggregation (Bagging)isproposed．ForhteinstabilitynadlargecomputingofGPR，BaggingandFullyIndependent Training ConditionalApproximation(FITC)areintroduced．Menawhile，anewweightstrateyg basedonBayesianCommittee Machine(BCM)israised．Experimentsshowhtat，GPRmethodwhichbasedonBaggingandFITCisbetterthanthe traditionalmethodinthestabiliyt，precisionandtrainingtimeconsuming．FurthermorehteimprovedGPR cangeta moreacc