Copula分位数回归方法在风电超短期出力预测上的应用

摘要

风电出力具有较强的随机性和波动性，相比于传统预测，分位数预测方法能够提供全面的风电功率概率分布信息，可实现更可靠的风电出力预报，对电网系统的安全和稳定运行具有重要意义.以甘肃某风电站为案例，将数据按6∶2∶2划分为训练集、验证集和测试集，采用基于Copula的分位数回归方法（QCopula）进行功率区间预测，并与三个传统的分位数回归方法进行比较.结果显示，在不同置信区间下QCopula的修正预测区间精度范围在0.701～0.773之间，预测精度平均值比传统分位数回归（QR）、随机森林分位数回归（QRF）和长短期记忆神经网络分位数回归（QLSTM）分别高出15%、9%和13%，优于其他三种分位数预测方法.分位数交叉验证中，QCopula未出现分位数交叉，每个样本点的功率预测值均随概率值单调递增，而QR、QRF、QLSTM均出现不同程度的分位数交叉现象.综上所述，QCopula可以表征更小的区间宽度和更高的区间覆盖率，且分位数曲线不存在交叉，可信度较高.

关键词

Copula函数 / 分位数回归 / 风电 / 超短期 / 出力预测

基金资助

国家电网公司总部科技项目（1400-202456282A-1-1-ZN）