Short-term Wind Power Probability Prediction Based on Improved Gradient Boosting Machine Algorithm

Chuanjun PANG; Xuewei SHANG; Bo ZHANG; Jianming YU

doi:10.7500/AEPS20210520005

您当前的位置：

首页 >

文章列表页 >

Short-term Wind Power Probability Prediction Based on Improved Gradient Boosting Machine Algorithm

Basic Research | 更新时间：2025-06-16

- Short-term Wind Power Probability Prediction Based on Improved Gradient Boosting Machine Algorithm
- Automation of Electric Power Systems Vol. 46, Issue 16, Pages: 198-206(2022)
- 作者机构：
  
  1.南瑞集团有限公司(国网电力科学研究院有限公司),江苏省南京市 211106
  2.北京科东电力控制系统有限责任公司,北京市 100192
- 作者简介：
- 基金信息：
  
  State Grid Corporation of China(5700-202055368A-0-0-00)
- DOI：10.7500/AEPS20210520005
  CLC：
- Received：20 May 2021，
  
  Revised：2021-12-13，
  
  Published Online：14 April 2022，
  
  Published：25 August 2022
- 稿件说明：
移动端阅览
庞传军,尚学伟,张波等.基于改进梯度提升算法的短期风电功率概率预测[J].电力系统自动化,2022,46(16):198-206.

PANG Chuanjun,SHANG Xuewei,ZHANG Bo,et al.Short-term Wind Power Probability Prediction Based on Improved Gradient Boosting Machine Algorithm[J].Automation of Electric Power Systems,2022,46(16):198-206.
庞传军,尚学伟,张波等.基于改进梯度提升算法的短期风电功率概率预测[J].电力系统自动化,2022,46(16):198-206. DOI： 10.7500/AEPS20210520005.

PANG Chuanjun,SHANG Xuewei,ZHANG Bo,et al.Short-term Wind Power Probability Prediction Based on Improved Gradient Boosting Machine Algorithm[J].Automation of Electric Power Systems,2022,46(16):198-206. DOI： 10.7500/AEPS20210520005.

摘要

随着风电大规模接入电网，风电功率概率预测的需求愈加迫切。为了实现短期风电功率概率分布预测，提出了一种基于改进梯度提升算法的短期风电功率概率预测方法。首先，分析了梯度提升算法应用于短期风电功率概率预测存在的问题。其次，利用负对数似然损失函数作为梯度提升算法中的损失函数，并利用费希尔信息矩阵修正损失函数在概率分布参数空间的梯度，将其转换为概率分布空间的自然梯度。然后，基于自然梯度提出适用于短期风电功率概率分布预测的改进梯度提升算法。最后，将所提算法与传统的梯度提升算法和其他算法进行对比，结果显示，所提算法训练过程收敛较快并且具有较好的预测性能，验证了其实用性和有效性。

Abstract

With the large-scale integration of wind power into the power grid

the demand for probability prediction of wind power is becoming more and more urgent. In order to realize the short-term probability distribution prediction of wind power

a short-term wind power probability prediction method based on the improved gradient boosting machine (GBM) algorithm is proposed. Firstly

the problems of the GBM algorithm applied to short-term wind power probability prediction are analyzed. Secondly

the negative log-likelihood loss function is used as the loss function in the GBM algorithm

and the Fisher information matrix is used to modify the gradient of the loss function in the parameter space of probability distribution and convert the gradient into the natural gradient of the probability distribution space. Then

based on the natural gradient

an improved GBM algorithm suitable for the short-term wind power probability distribution prediction is proposed. Finally

the proposed algorithm is compared with the traditional GBM algorithm and other methods. The results show that the training process of the proposed algorithm converges faster and has better prediction performance

which verifies the practicability and effectiveness of the proposed algorithm.

关键词

Keywords

references

薛禹胜，雷兴，薛峰，等 . 关于风电不确定性对电力系统影响的评述［J］. 中国电机工程学报， 2014 ， 34 （ 29 ）： 5029 - 5040 .

XUE Yusheng ， LEI Xing ， XUE Feng ， et al . A review on impacts of wind power uncertainties on power systems ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 29 ）： 5029 - 5040 .

国家能源局 . 风电功率预测系统功能规范：NB/T 31046—2013 ［S］. 北京：新华出版社， 2014 .

National Energy Administration . Function specification of wind power forecasting system： NB/T 31046—2013 ［S］. Beijing ： Xinhua Publishing House ， 2014 .

王伟胜，王铮，董存，等 . 中国短期风电功率预测技术现状与误差分析［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 17 - 27 .

WANG Weisheng ， WANG Zheng ， DONG Cun ， et al . Status and error analysis of short-term forecasting technology of wind power in China ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 17 - 27 .

葛维春，孙鹏，李家珏，等 . 电网负荷峰值时段不同场景下的风电功率预测可信度鲁棒估计模型［J］. 高电压技术， 2019 ， 45 （ 4 ）： 1281 - 1288 .

GE Weichun ， SUN Peng ， LI Jiajue ， et al . Robust estimation model of wind power prediction availability in the period of power system peak load ［J］. High Voltage Engineering ， 2019 ， 45 （ 4 ）： 1281 - 1288 .

于珍，沈沉，刘锋，等 . 计及风电不确定性的含暂态稳定约束的经济调度［J］. 中国电机工程学报， 2020 ， 40 （ 22 ）： 7270 - 7282 .

YU Zhen ， SHEN Chen ， LIU Feng ， et al . Transient stability-constrained economic dispatch considering wind power uncertainty ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 22 ）： 7270 - 7282 .

吴问足，乔颖，鲁宗相，等 . 风电功率概率预测方法及展望［J］. 电力系统自动化， 2017 ， 41 （ 18 ）： 167 - 175 .

WU Wenzu ， QIAO Ying ， LU Zongxiang ， et al . Methods and prospects for probabilistic forecasting of wind power ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 18 ）： 167 - 175 .

韩丽，乔妍，景惠甜 . 基于误差分类的风电功率区间评估［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 97 - 104 .

HAN Li ， QIAO Yan ， JING Huitian . Interval estimation of wind power based on error classification ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 97 - 104 .

刘兴杰，谢春雨 . 基于贝塔分布的风电功率波动区间估计［J］. 电力自动化设备， 2014 ， 34 （ 12 ）： 26 - 30 .

LIU Xingjie ， XIE Chunyu . Wind power fluctuation interval estimation based on Beta distribution ［J］. Electric Power Automation Equipment ， 2014 ， 34 （ 12 ）： 26 - 30 .

刘芳，潘毅，刘辉，等 . 风电功率预测误差分段指数分布模型［J］. 电力系统自动化， 2013 ， 37 （ 18 ）： 14 - 19 .

LIU Fang ， PAN Yi ， LIU Hui ， et al . Piecewise exponential distribution model of wind power forecasting error ［J］. Automation of Electric Power Systems ， 2013 ， 37 （ 18 ）： 14 - 19 .

丁华杰，宋永华，胡泽春，等 . 基于风电场功率特性的日前风电预测误差概率分布研究［J］. 中国电机工程学报， 2013 ， 33 （ 34 ）： 136 - 144 .

DING Huajie ， SONG Yonghua ， HU Zechun ， et al . Probability density function of day-ahead wind power forecast errors based on power curves of wind farms ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 34 ）： 136 - 144 ．

杨茂，杜刚 . 基于 t Location-Scale分布的风电功率概率预测研究［J］. 中国电力， 2017 ， 50 （ 1 ）： 140 - 145 .

YANG Mao ， DU Gang . Wind power probability prediction based on t Location-Scale distribution ［J］. Electric Power ， 2017 ， 50 （ 1 ）： 140 - 145 .

韩自奋，景乾明，张彦凯，等 . 风电预测方法与新趋势综述［J］. 电力系统保护与控制， 2019 ， 47 （ 24 ）： 178 - 187 .

HAN Zifen ， JING Qianming ， ZHANG Yankai ， et al . Review of wind power forecasting methods and new trends ［J］. Power System Protection and Control ， 2019 ， 47 （ 24 ）： 178 - 187 .

李智，韩学山，杨明，等 . 基于分位点回归的风电功率波动区间分析［J］. 电力系统自动化， 2011 ， 35 （ 3 ）： 83 - 87 .

LI Zhi ， HAN Xueshan ， YANG Ming ， et al . Wind power fluctuation interval analysis based on quantile regression ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 3 ）： 83 - 87 .

王勃，刘纯，张俊，等 . 基于Monte-Carlo方法的风电功率预测不确定性估计［J］. 高电压技术， 2015 ， 41 （ 10 ）： 3385 - 3391 .

WANG Bo ， LIU Chun ， ZHANG Jun ， et al . Uncertainty evaluation of wind power prediction based on Monte-Carlo method ［J］. High Voltage Engineering ， 2015 ， 41 （ 10 ）： 3385 - 3391 .

杨楠，黄禹，叶迪，等 . 基于NACEMD和改进非参数核密度估计的风功率波动性概率分布研究［J］. 电网技术， 2019 ， 43 （ 3 ）： 910 - 917 .

YANG Nan ， HUANG Yu ， YE Di ， et al . Study on probability distribution of wind power fluctuation based on NACEMD and improved nonparametric kernel density estimation ［J］. Power System Technology ， 2019 ， 43 （ 3 ）： 910 - 917 .

黎静华，骆怡辰，杨舒惠，等 . 可再生能源电力不确定性预测方法综述［J］. 高电压技术， 2021 ， 47 （ 4 ）： 1144 - 1157 .

LI Jinghua ， LUO Yichen ， YANG Shuhui ， et al . Review of uncertainty forecasting methods for renewable energy power ［J］. High Voltage Engineering ， 2021 ， 47 （ 4 ）： 1144 - 1157 .

甘迪，柯德平，孙元章，等 . 考虑爬坡特性的短期风电功率概率预测［J］. 电力自动化设备， 2016 ， 36 （ 4 ）： 145 - 150 .

GAN Di ， KE Deping ， SUN Yuanzhang ， et al . Short-term probabilistic wind power forecast considering ramp characteristics ［J］. Electric Power Automation Equipment ， 2016 ， 36 （ 4 ）： 145 - 150 .

王钊，王勃，冯双磊，等 . 区域多风电场功率的分位数回归概率预测方法［J］. 电网技术， 2020 ， 44 （ 4 ）： 1368 - 1375 .

WANG Zhao ， WANG Bo ， FENG Shuanglei ， et al . Probabilistic forecasts based on quantile regression for regional wind farms ［J］. Power System Technology ， 2020 ， 44 （ 4 ）： 1368 - 1375 .

殷豪，黄圣权，孟安波，等 . 基于长短期记忆网络分位数回归的短期风电功率概率密度预测［J］. 太阳能学报， 2021 ， 42 （ 2 ）： 150 - 156 .

YIN Hao ， HUANG Shengquan ， MENG Anbo ， et al . Short-term wind power probability density prediction based on long short term memory network quantile regression ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 2 ）： 150 - 156 .

KHOSRAVI A ， NAHAVANDI S ， CREIGHTON D . Prediction intervals for short-term wind farm power generation forecasts ［J］. IEEE Transactions on Sustainable Energy ， 2013 ， 4 （ 3 ）： 602 - 610 .

杨锡运，张艳峰，叶天泽，等 . 基于朴素贝叶斯的风电功率组合概率区间预测［J］. 高电压技术， 2020 ， 46 （ 3 ）： 1099 - 1108 .

YANG Xiyun ， ZHANG Yanfeng ， YE Tianze ， et al . Prediction of combination probability interval of wind power based on naive Bayes ［J］. High Voltage Engineering ， 2020 ， 46 （ 3 ）： 1099 - 1108 .

甘迪，柯德平，孙元章，等 . 基于集合经验模式分解和遗传-高斯过程回归的短期风速概率预测［J］. 电工技术学报， 2015 ， 30 （ 11 ）： 138 - 147 .

GAN Di ， KE Deping ， SUN Yuanzhang ， et al . Short-term wind speed probabilistic forecasting based on EEMD and coupling GA-GPR ［J］. Transactions of China Electrotechnical Society ， 2015 ， 30 （ 11 ）： 138 - 147 .

WAN C ， XU Z ， PINSON P ， et al . Probabilistic forecasting of wind power generation using extreme learning machine ［J］. IEEE Transactions on Power Systems ， 2014 ， 29 （ 3 ）： 1033 - 1044 .

FRIEDMAN J H . Greedy function approximation： a gradient boosting machine ［J］. The Annals of Statistics ， 2001 ， 29 （ 5 ）： 1189 - 1232 .

庞传军，余建明，张波，等 . 基于梯度提升树计及非线性的电力负荷影响因素分析［J］. 电力系统保护与控制， 2020 ， 48 （ 24 ）： 71 - 78 .

PANG Chuanjun ， YU Jianming ， ZHANG Bo ， et al . Nonlinear correlation analysis of influence factors of a power load based on a gradient boosting decision tree ［J］. Power System Protection and Control ， 2020 ， 48 （ 24 ）： 71 - 78 .

CAI R ， XIE S ， WANG B Z ， et al . Wind speed forecasting based on extreme gradient boosting ［J］. IEEE Access ， 2020 ， 8 ： 175063 - 175069 .

万灿，宋永华 . 新能源电力系统概率预测理论与方法及其应用［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 2 - 16 .

WAN Can ， SONG Yonghua . Theories， methodologies and applications of probabilistic forecasting for power systems with renewable energy sources ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 2 - 16 .

李力行，苗世洪，涂青宇，等 . 考虑异方差效应的风电不确定性建模及其在调度中的应用［J］. 电力系统自动化， 2020 ， 44 （ 8 ）： 36 - 47 .

LI Lixing ， MIAO Shihong ， TU Qingyu ， et al . Modelling of wind power uncertainty considering heteroskedasticity effect and its application in power system dispatching ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 8 ）： 36 - 47 .

庞传军，余建明，张波，等 . 基于偏依赖量的风功率影响因素相关性分析方法［J］. 电网技术， 2021 ， 45 （ 2 ）： 552 - 558 .

PANG Chuanjun ， YU Jianming ， ZHANG Bo ， et al . Correlation analysis of factors affecting wind power based on partial dependence ［J］. Power System Technology ， 2021 ， 45 （ 2 ）： 552 - 558 .

李国，江晓东 . 基于提升回归树与随机森林的风电功率集成预测方法［J］. 电力系统及其自动化学报， 2018 ， 30 （ 11 ）： 70 - 74 .

LI Guo ， JIANG Xiaodong . Wind power generation ensemble forecasting method based on boosted regression tree and random forest ［J］. Proceedings of the CSU-EPSA ， 2018 ， 30 （ 11 ）： 70 - 74 .

CAI L ， GU J ， MA J H ， et al . Probabilistic wind power forecasting approach via instance-based transfer learning embedded gradient boosting decision trees ［J］. Energies ， 2019 ， 12 （ 1 ）： 159 .

GNEITING T ， RAFTERY A E . Strictly proper scoring rules， prediction， and estimation ［J］. Journal of the American Statistical Association ， 2007 ， 102 （ 477 ）： 359 - 378 .

GEBETSBERGER M ， MESSNER J W ， MAYR G J ， et al . Estimation methods for nonhomogeneous regression models： minimum continuous ranked probability score versus maximum likelihood ［J］. Monthly Weather Review ， 2018 ， 146 （ 12 ）： 4323 - 4338 .

BJERREGÅRD M B ， MØLLER J K ， MADSEN H . An introduction to multivariate probabilistic forecast evaluation ［J］. Energy and AI ， 2021 ， 4 ： 100058 .

DAWID A P . The geometry of proper scoring rules ［J］. Annals of the Institute of Statistical Mathematics ， 2007 ， 59 （ 1 ）： 77 - 93 .

AMARI S I . Natural gradient works efficiently in learning ［J］. Neural Computation ， 1998 ， 10 （ 2 ）： 251 - 276 .

MARTENS J . New insights and perspectives on the natural gradient method ［EB/OL］. ［ 2021-05-01 ］. https：//arxiv.org/abs/1412.1193 https://arxiv.org/abs/1412.1193 .

LY A ， MARSMAN M ， VERHAGEN J ， et al . A tutorial on Fisher information ［J］. Journal of Mathematical Psychology ， 2017 ， 80 ： 40 - 55 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fast Transfer Capability Assessment for HVDC Considering Switching Control Characteristics of Renewable Energy Generation

Machine Learning Based Energy Management and Operation Control for Active Distribution Networks

Short-term Wind Power Probability Prediction Based on Online Gaussian Process Regression

Related Author

YAN Jiongcheng

LIU Tianhao

LIU Yutian

DU Zhengchun

WU Wenchuan

LIN Chenhui

SUN Hongbin

WANG Bin

Related Institution

Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education (Shandong University)

School of Electrical Engineering, Xi’an Jiaotong University

Department of Electrical Engineering, Tsinghua University

State Key Laboratory of Power System Operation and Control (Tsinghua University)

Electric Power Research Institute of State Grid Shandong Electric Power Company

⁰