|本期目录/Table of Contents|

[1]李军,杜雪. 稀疏高斯过程在短期风电功率概率预测中的应用[J].电机与控制学报,2019,23(08):67-77.[doi:10.15938/j.emc.2019.08.009]
 LI Jun,DU Xue. Application of sparse gaussian process in short-term wind power probability prediction[J].,2019,23(08):67-77.[doi:10.15938/j.emc.2019.08.009]
点击复制

 稀疏高斯过程在短期风电功率概率预测中的应用
(PDF)
分享到:

《电机与控制学报》[ISSN:1007-449X/CN:23-1 408/TM]

卷:
23
期数:
2019年08
页码:
67-77
栏目:
出版日期:
2019-08-31

文章信息/Info

Title:
 Application of sparse gaussian process in short-term wind power probability prediction
作者:
 李军 杜雪
 ( 兰州交通大学自动化与电气工程学院,兰州730070)
Author(s):
 LI Jun DU Xue
 ( School of Automation & Electrical Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China)
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
Keywords:
 sparse gaussian process wind power probability prediction covariance functions approximation algorithm
分类号:
TM 614
DOI:
10.15938/j.emc.2019.08.009
文献标志码:
A
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。
Abstract:
 For short-term wind power prediction,a class of a class of probabilistic prediction methods based on sparse gaussian processes ( Sparse-GP) is proposed. Three different Sparse-GP methods using subset of datapoints ( SoD) approximation,subset of regressors ( SoR) approximation and projected process( PP) approximation algorithm were respectively given by randomly dividing the data set into a subset of data. The Sparse-GP methods can give the mean prediction of the model,and obtain the prediction variance of the model,which explains the confidence level of the model well. Different Sparse-GP methods can solve the difficulty of matrix operation caused by the increase of training data in the GP method while maintaining the advantages of the conventional GP method,and the calculation efficiency is high. The employed Sparse-GP methods with different covariance functions were then applied to the instances for single-step and multi-step prediction of short-term wind power in different region,and compared with the conventional GP and SVM methods under the same conditions. Experimental results show that the Sparse-GP methods can give better prediction results and are suitable for training large-scale data sets.

参考文献/References:

相似文献/References:

[1]范必双,谭冠政,樊绍胜,等. 三电平矢量控制变频器随机SVPWM技术[J].电机与控制学报,2013,(04):6.
 FAN Bi-shuang,TAN Guan-zheng,FAN Shao-sheng.[J].,2013,(08):6.
[2]刁统山,王秀和. 永磁感应电机直接功率控制[J].电机与控制学报,2013,(04):12.
 DIAO Tong-shan,WANG Xiu-he.[J].,2013,(08):12.
[3]薛畅,王建赜,纪延超,等. 链式广义有源电力滤波器[J].电机与控制学报,2013,(04):19.
 XUE Chang,WANG Jian-ze,JI Yan-chao,et al.[J].,2013,(08):19.
[4]尚万峰,马宏伟,赵升吨,等. 开关磁阻电机磁链的边界层混合滑模控制[J].电机与控制学报,2013,(04):27.
 SHANG Wan-feng,MA Hong-wei,ZHAO Sheng-dun.[J].,2013,(08):27.
[5]曹洁,谢希,吕景顺,等. 自适应广义数学形态学抑制局部放电窄带干扰[J].电机与控制学报,2013,(04):33.
 CAO Jie,XIE Xi,Lü Jing-shun.[J].,2013,(08):33.
[6]陈庆国,蒲金雨,丁继媛,等. 电力电缆局部放电的高频与特高频联合检测[J].电机与控制学报,2013,(04):39.
 CHEN Qing-guo,PU Jin-yu,DING Ji-yuan,et al.[J].,2013,(08):39.
[7]朱熀秋,陈雷刚,李亚伟,等. Halbach阵列无轴承永磁电机有限元分析[J].电机与控制学报,2013,(04):45.
 ZHU Huang-qiu,CHEN Lei-gang,LI Ya-wei,et al.[J].,2013,(08):45.
[8]刘剑,杨贵杰,高宏伟,等. 双三相永磁同步发电机的矢量控制与数字实现[J].电机与控制学报,2013,(04):50.
 LIU Jian,YANG Gui-jie,GAO Hong-wei,et al.[J].,2013,(08):50.
[9]吴丽华,高慧芝,刘政,等. 一种改进型的SVPWM算法研究[J].电机与控制学报,2013,(04):57.
 WU Li-hua,GAO Hui-zhi,LIU Zheng,et al.[J].,2013,(08):57.
[10]李晶,姜久春. 纯电动汽车充电机模型[J].电机与控制学报,2013,(04):64.
 LI Jing,JIANG Jiu-chun.[J].,2013,(08):64.

备注/Memo

备注/Memo:
收稿日期: 2017 - 03 - 16
基金项目: 国家自然科学基金( 51467008)
作者简介: 李军( 1969—) ,男,博士,教授,研究方向为计算智能与复杂非系统预测、控制等;
杜雪( 1992—) ,女,硕士研究生,研究方向为风电功率预测方法。
通信作者: 李军
更新日期/Last Update: 2019-10-14