(19)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 202210703525.6 (22)申请日 2022.06.21 (71)申请人 广东电网有限责任公司电力调度控 制中心 地址 510062 广东省广州市越秀区梅 花路 75号(仅限写字楼 功能用) (72)发明人 段秦尉　潮铸　何祥针　包博　 唐旭辰　谢祥中　陈卉灿　汪洋　 赖晓文　王挺韶　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 陈旭红 (51)Int.Cl. G06F 30/20(2020.01) G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06F 113/06(2020.01) (54)发明名称 基于核密度估计和copula的风电功率概率 预测方法和装置 (57)摘要 本发明公开了基于核密度估计和copula的 风电功率概率预测方法和装置。 该方法通过获取 所述当前预测的风电功率数据和当前预测的风 速数据； 将所述风电功率数据和风速数据输入至 风电功率概率预测模型， 得到所述当前预测的风 电功率的条件概率密度及所述条件概率密度的 置信区间； 所述风电功率概率预测模 型通过根据 历史样本 数据集、 核密度估计法和Copu la函数进 行建模得到。 本发明技术方案提高了风电功率概 率预测的精度。 权利要求书2页 说明书7页 附图1页 CN 115169089 A 2022.10.11 CN 115169089 A 1.一种基于核密度估计和copula的风电功率概率预测方法， 其特征在于， 包括以下步 骤： 获取当前预测数据集， 所述当前预测数据集包括当前预测的风电功率数据和当前预测 的风速数据； 将所述当前预测数据集输入至风电功率概率预测模型， 得到所述当前预测的风电功率 的条件概率密度及所述条件概率密度的置信区间； 所述风电功 率概率预测模型通过根据历 史样本数据集、 核密度估计法和Copula函数进行建模得到 。 2.根据权利要求1所述的基于核密度估计和copula的风电功率概率预测方法， 其特征 在于， 根据历史样本数据集、 核密度估计法和Cop ula函数建立所述风电功率概率预测模 型， 包括以下步骤： 根据历史样本数据集和核密度估计法分别建立实际风电功率、 预测风电功率和实际风 速的边缘概率分布模型； 所述历史样本数据集包括历史实际风电功率数据、 历史预测风电 功率数据和历史实际风速数据； 在所述实 际风电功率、 预测风电功率和实 际风速的边缘概率分布模型的基础上， 根据 Copula函数建立第一联合 概率分布模型和第二联合 概率分布模型； 根据所述第一联合概率分布模型和第二联合概率分布模型建立风电功率概率预测模 型。 3.根据权利要求2所述的基于核密度估计和copula的风电功率概率预测方法， 其特征 在于， 根据Copula函数建立所述实际风电功率的边缘概率分布模型、 预测风电功率的边缘 概率分布模型和实际风速的边 缘概率分布模型三 者的第一联合 概率分布模型； 根据Copula函数建立所述预测风电功率的边缘概率分布模型和 实际风速的边缘概率 分布模型两者的第二联合 概率分布模型。 4.根据权利要求3所述的基于核密度估计和copula的风电功率概率预测方法， 其特征 在于， 所述实际风电功率的边 缘概率分布模型为： 式中， x为历史实际风电功率数据， n 为总的样本个数， xi为第i个样本数据， h为带宽值。 5.根据权利要求4所述的基于核密度估计和copula的风电功率概率预测方法， 其特征 在于， 根据拇指法则和网格搜索法确定所述带宽值。 6.根据权利要求5所述的基于核密度估计和copula的风电功率概率预测方法， 其特征 在于， 所述第一联合 概率分布模型 具体为： 式中， x、 y和z分别为历史实际风电功率数据、 历史预测风电功率数据和历史实际风速 数据， fX(x)、 fY(y)和fZ(z)分别为x、 y和z对应的边缘概率密度函数， FX(x)、 FF(f)和FZ(z)分 别为x、 y和z对应的边 缘概率分布函数， c为Copula函数的概 率密度函数。 7.根据权利要求6所述的基于核密度估计和copula的风电功率概率预测方法， 其特征权　利　要　求　书 1/2 页 2 CN 115169089 A 2在于， 所述 风电功率 概率预测模型 具体为： 式中， 为当前预测的风电功率数据， 为当前预测的风速数据， 为 对应的边 缘概率分布函数， 为 对应的边 缘概率分布函数。 8.根据权利要求1至7任一项所述的基于核密度估计和copula的风电功率概率预测方 法， 其特征在于， 对所述当前 预测数据集和历史样本数据集进行 预处理， 包括以下步骤： 采用线性插值法对数据集中的缺失值进行填充； 针对数据集中的超过参数限值的异常值， 根据参数的限值对异常值进行替换； 采用箱线图法对处理后的数据集进行异常值辨识和采用线性插值法对识别出来的异 常数据进行替换。 9.一种基于核密度估计和copula的风电功率概率预测装置， 其特征在于， 包括预测数 据获取模块和风电功率 概率预测模块； 所述预测数据获取模块用于获取所述当前预测的风电功率数据和当前预测的风速数 据； 所述风电功率概率预测模块用于将所述风电功率数据和风速数据输入至风电功率概 率预测模型， 得到所述当前预测的风电功率的条件概率密度及所述条件概率密度的置信区 间； 所述风电功率概率预测模型通过根据历史样本数据集、 核密度估计法和 Copula函数进 行建模得到 。权　利　要　求　书 2/2 页 3 CN 115169089 A 3