(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111418054.6 (22)申请日 2021.11.26 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 万灿　曹照静　宋永华　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 代理人 万尾甜　韩介梅 (51)Int.Cl. H02J 3/00(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种数据驱动 的新能源电力系统非参数概 率预测方法 (57)摘要 本发明公开了一种数据驱动的新能源电力 系统非参数概率预测方法， 首先， 从历史数据中 挖掘与预测目标概率分布相关的信息， 自适应地 构造相似模式数据集； 然后， 根据相似模式与预 测对象条件的相似程度不同， 为每个相似模式分 配不同的权重， 构建与相似模式数据集对应的相 似等级数据集； 最后， 根据上一步的相似等级数 据集中的权重通过重采样生成多个新相似模式 数据集， 并将新相似模式数据集中单个累积分布 函数产生的多个原始结果进行综合， 得到最终的 概率预测结果。 本发明的预测结果服务于电力系 统考虑不确定性的各项决策制定， 可保证不确定 性日益显著的新能源电力系统的安全经济运行。 权利要求书1页 说明书7页 附图3页 CN 114156876 A 2022.03.08 CN 114156876 A 1.一种数据驱动的新能源电力系统非参数概率预测方法， 其特征在于， 首先， 从历史数 据中挖掘与预测目标概率分布相关的信息， 自适应地构 造相似模式数据集； 然后， 根据相似 模式与预测对 象条件的相似程度不同， 为每个相似模式分配不同的权重， 构建与相似模式 数据集对应的相似等级数据集； 最后， 根据上一步的相似等级数据集中的权重通过重采样 生成多个新相似模式数据集， 并将新相似模式数据集中单个累积分布函数产生的多个原始 结果进行综合， 得到最终的概 率预测结果。 2.根据权利要求1所述的数据驱动的新能源电力系统非参数概率预测方法， 其特征在 于： 所述的从历史数据中挖掘与预测目标概率分布相关的信息， 自适应地构造相似模式数 据集， 具体为， 通过从历史数据中挖掘与预测目标相关的不确定性信息， 经过特征选择、 相 似性度量和相似模式数量确定步骤后， 得到与预测目标相似的数据集 其中xi是预测对象的解释变量， yi是预测变量。 3.根据权利要求2所述的数据驱动的新能源电力系统非参数概率预测方法， 其特征在 于： 所述的相似性度量采用一种新的基于共享最近邻的相似性度量指标， 该指标充分考虑 了度量目标周围环境的影响， 使得具有相似不确定性分布信息的历史模式能被选中用于密 度估计。 4.根据权利要求2所述的数据驱动的新能源电力系统非参数概率预测方法， 其特征在 于： 所述的相似模式数量确定的具体方法为， 根据基于信息熵计算得到的预测目标 的不确 定性程度， 精细化确定合 适的相似 模式数量KS， 以得到更为 准确的概 率预测结果。 5.根据权利要求1所述的数据驱动的新能源电力系统非参数概率预测方法， 其特征在 于： 所述的根据上一步的相似等级数据集中的权重通过重采样生成多个新相似模式数据 集， 具体为， 考虑选取的相似样本与预测目标相似程度的差异 性， 加权确定与预测目标更为 相似的新相似 模式数据集。权　利　要　求　书 1/1 页 2 CN 114156876 A 2一种数据驱动的新能源电力系统非参数概 率预测方法 技术领域 [0001]本发明涉及 一种数据驱动的新能源电力系统非参数概率预测方法， 属于新能源电 力系统概 率预测领域。 背景技术 [0002]随着新能源电力系统的不断发展， 越来越多的不确定性因素注入传统电力系统， 给电力系统规划、 运行、 交易等各项决策制定带来了挑战。 概率预测能够实现预测对象的不 确定性量化， 这些不确定性信息可用于处理电力系统中的各种决策任务， 这有助于应对随 机性和波动性变量给电力系统带来的风险。 新能源电力系统概率预测对 象包括风电、 光伏 发电等可再生能源发电， 以及多种电压等级的负荷。 由于可再生能源发电受天气 影响显著， 而气象环境具有不可控和强随机的特点， 可再生能源发电面临预测难度大的挑战。 另外， 电 力负荷中的不确定性也逐渐引起人们的高度重视。 可再生能源的大规模接入， 需求响应策 略的广泛应用， 零售市场的进一步开放等原因使得负荷预测难度明显增加。 因此， 有必 要发 展更为先进的概 率预测方法， 以应对新能源电力系统不确定性因素的挑战。 [0003]学者对有关概率预测的方法进行了深入而广泛的研究。 根据不确定性的表示形 式， 概率预测可分为预测区间、 分位数和概率密度函数。 其中， 概率密度函数可以提供前两 个类别的总分布信息。 目前， 现有的概率预测方法大多 是基于监督算法实现不确定性量化， 常用的方式有机器学习、 bootstrap、 优化算法求解等。 除此之外， 非监督数据驱动的概率预 测方法也是实现不确定性量化的另一有效途径， 该方法能够避免监督算法的迭代参数寻优 或最优化 求解等复杂步骤。 发明内容 [0004]为了解决背景技术中总结的问题， 本发明提供了一种数据驱动的新能源电力系统 非参数概率预测方法， 该方法从历史记录数据中挖掘与预测目标不确定性相关的信息以实 现对未来预测目标的概率信息估计， 利用先进的集成方法和密度估计方法实现对预测目标 的不确定性有效量 化。 [0005]为了实现上述目的， 本发明采用了如下的技 术方案： [0006]一种数据驱动的新能源电力系统非参数概率预测方法， 该方法包含原始相似模式 数据集构建、 相似模式数据集重构以及集成密度估计三部 分。 首先， 自适应地构 造原始相似 模式数据集， 包括基于互信息的特征选择、 基于共享最近邻的相似性度量和基于信息熵的 相似模式数量确定。 然后， 根据相似模式与预测对象条件的相似程度不同， 为每个相似模式 分配不同的权重， 构建与相似模式数据集对应的相似等级数据集。 最后， 根据上一步的相似 等级数据集中的权重通过重采样生成多个新相似模式数据集， 并将新相似 数据集中单个累 积分布函数产生的多个原 始结果进行综合， 得到最终的概 率预测结果。 [0007]1.特征选择 [0008]相似数据搜索可以通过比较代表预测目标的解释变量的相似度来进行， 这些解释说　明　书 1/7 页 3 CN 114156876 A 3