虚交所-虚拟资产交易平台  

加关注9

　　为了提升风电功率概率区间预报性能，提出一种基于Critic权重法与反熵权法(anti-entropy weight method)的变带宽混合滑动Gaussian核密度估计(variable bandwidth hybrid sliding Gaussian kernel density estimation,VHSKDE(Gaussian))与正态滑动指数迭代估计(normal sliding exponential iteration, NSEI)组合的风电功率区间概率预报方法。该组合方法简称为VHSKDE(Gaussian)-NSEI。首先，通过基于变分模态分解与长短期记忆神经网络(variational mode decomposition-long short-term memory, VMD-LSTM)点预报得到偏差。然后，分别利用VHSKDE(Gaussian)和NSEI估计预报偏差的概率分布，得出对应的置信概率下的预报区间。最后，利用4种客观权重赋值法分别对VHSKDE(Gaussian)环节及VHSKDE(Gaussian)-NSEI组合环节进行两次加权组合生成最终的风电功率预报区间。研究结果表明，VHSKDE(Gaussian)-NSEI预报模型在不同置信度情况下，能够兼顾PCIP与PIAW的优良性能，与NSEI和VHSKDE(Gaussian)相比具有更高的可靠性和准确性，为风电功率概率预报提供了重要参考。