基于信息熵理论的风电无序性指标及预测效果评价方法
文献发布时间:2023-06-19 10:57:17
技术领域
本发明属于电力系统技术领域,尤其涉及一种基于信息熵理论的风电无序性指标及预测效果评价方法。
背景技术
风电预测主要指对风电场出力的预测,风电预测结果可以用于电网调度部门发电出力的短期预测与超短期预测,是电网调度制定日前计划的重要依据。提高风电预测的准确性,可提高电网的安全稳定水平,以及促进可再生能源的开发利用。
由于风力发电出力具有很强的随机性和波动性,因此风电预测对于出力的随机性和无序性的预测非常重要。无序性反映所有样本点误差值的差异程度,对无序性能否准确模拟是预测方法能力的重要方面。风电出力的无序性直接关系到风电功率的波动范围,对电网做到稳定调频很重要。
目前预测方法的评价主要是对相对误差和均方根误差进行计算,以及对风电误差进行概率密度估计。这两种方法目前已成熟,是基于概率论的方法,采用“高斯-参数”等概率分布模型,描述风电预测误差的平均值和分布标准差。
发明内容
针对上述现有技术中存在的不足之处,本发明提供了一种基于信息熵理论的风电无序性指标及预测效果评价方法。其目的是为了实现针对风电预测结果的稳定性和无序性的评估方法,使用信息学熵理论对预测方法的稳定性和无序性进行评价,使预测评价方法的科学性与全面性能够得到显著的提高的发明目的。
本发明为实现上述目的所采用的技术方案是:
基于信息熵理论的风电无序性指标及预测效果评价方法,包括以下步骤:
步骤1.获取风电出力的随机分量;
步骤2.计算第随机分量对应的概率;
步骤3.分别计算风电出力预测的熵值与实际风电出力的熵值,并求取两者之差的绝对值;
步骤4.判定预测方法的无序性模拟效果。
进一步的,所述获取风电出力的随机分量包括:
风电出力随机分量的计算公式表示为:
S(i)=C(i)+ε(i)
其中:S(i)表示风电出力的原始序列,C(i)表示不同基波变换后分量,ε(i)表示信号分解后的误差随机分量。
进一步的,所述获取风电出力的曲线采用采用信号分解方法进行分解,对得到的随机分量归一化后求取熵值。
进一步的,所述随机分量采取其他方式获取,从而计算风电功率的熵值。
进一步的,所述计算第随机分量对应的概率,是指计算第i个随机分量ε(i)对应的概率p(Δx
进一步的,所述分别计算风电出力预测的熵值与实际风电出力的熵值,并求取两者之差的绝对值,计算公式如下:
其中:H
进一步的,所述判定预测方法的无序性模拟效果,包括:
判断标准为风电出力预测值的熵越接近于风电功率实际值的熵,则在预测方法模拟原始序列的随机性与无序性效果越好。
进一步的,所述判定预测方法的无序性模拟效果有3种预测方法
ΔH
预期效果如下:
引入信息熵理论,根据对预测结果信息熵的分析,得出预测结果无序性指标,从而选出模拟原始序列效果较好的预测方法。
一种计算机存储介质,所述计算机存储介质上存有计算机程序,所述计算机程序被处理器执行时实现所述的基于信息熵理论的风电无序性指标及预测效果评价方法的步骤。
本发明具有以下有益效果及优点:
本发明能够针对风电预测结果的稳定性和无序性的评估方法,使用信息学熵理论对预测方法的稳定性和无序性进行评价,使预测评价方法的科学性与全面性能够得到显著的提高。
经过本发明证明,引入信息熵理论,可根据对预测结果信息熵的分析,得出预测结果无序性指标,从而选出模拟原始序列效果较好的预测方法,提高风电预测的准确性和稳定性。
本发明风电预测误差的平均值和分布标准较全面、较精确,对于电网能够起到稳定调频的重要作用。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面将结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1描述本发明一些实施例的技术方案。
实施例1
本发明是一种基于信息熵理论的风电无序性指标及预测效果评价方法,如图1所示,图1为本发明方法流程图。
按照信息论的理论,信息是系统有序性的量度,熵是系统无序性的量度。为解决信息的量化度量问题,1948年香农(C.E.Shannon)提出了信息熵的概念,并将其定义为离散随机事件出现的概率。
信息熵的计算公式为:
式中:p(x
熵法是一种评价信息无序性的经典方法:对于某项信息,其熵值越小,信息的变异程度越大,则该样本序列的稳定性就越差;反之熵值越大则稳定性就越好。
在风电功率预测的效果评价中,本发明引入信息熵的思想来评价风电出力无序性程度,称之为风电功率的熵值。在风电功率预测的结果出现后,采用随机分量的熵值计算结果来评价风电功率预测方法的稳定性。
本发明的具体操作步骤如下:
步骤1.获取风电出力的随机分量。
风电出力随机分量的计算公式可表示为:
S(i)=C(i)+ε(i)
其中:S(i)表示风电出力的原始序列,C(i)表示不同基波变换后分量,ε(i)表示信号分解后的误差随机分量。
例如,可以采用信号分解方法对风电出力曲线进行分解,对得到的随机分量归一化后求取熵值,也可以采取其他方式获取随机分量从而计算风电功率的熵值。
步骤2.计算第i个随机分量ε(i)对应的概率p(Δx
步骤3.分别计算风电出力预测的熵值与实际风电出力的熵值,并求取两者之差的绝对值,计算公式如下:
其中:H
步骤4.判定预测方法的无序性模拟效果。
判断标准为风电出力预测值的熵越接近于风电功率实际值的熵,那么在预测方法模拟原始序列的随机性与无序性效果越好。
例如,若现有3种预测方法ΔH
预期效果如下:
引入信息熵理论,可根据对预测结果信息熵的分析,得出预测结果无序性指标,从而选出模拟原始序列效果较好的预测方法,提高风电预测的准确性和稳定性。
实施例2
基于同一发明构思,本发明实施例还提供了一种计算机存储介质,所述计算机存储介质上存有计算机程序,所述计算机程序被处理器执行时实现实施例1所述的基于信息熵理论的风电无序性指标及预测效果评价方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
- 基于信息熵理论的风电无序性指标及预测效果评价方法
- 一种基于交叉熵理论的风电功率组合预测方法