非参数条件概率预测提高风电消纳的优化方法

功率点值预测信息未充分考虑可再生能源的不确定性及波动性,在日前发电计划和备用决策安排中存在保守或冒进的风险。引入非参数化方法,根据历史风资源状况得到风电出力的非参数条件概率预测结果,建立风电日前消纳调度模型。该模型在不同资源主导因素所划分的条件空间子集中得到预测功率条件概率分布,能够反映弃风和失负荷风险,可以根据调度需求选取不同的预测功率置信区间,计及风电不确定性完整的条件概率信息。仿真算例验证了选取合适置信水平的风电非参数化条件概率预测方法在日前优化运行中有效提高风电消纳水平,并降低系统运行风险。

计及误差时间相依性的风电功率超短期条件概率预测

针对单一参数化建模误差集粗糙的问题,基于风电功率历史特征进行建模,集成深度置信网络的特征提取和粒子群优化算法的寻优能力,分析预测误差时间相依性,实现误差修正。分析误差样本集,建立计及误差时间相依性的风电功率超短期条件概率预测模型。基于我国吉林省某风电场实际数据进行算例分析,结果表明所提模型可有效提高预测质量。

归类不确定情景下特征推理的综合条件概率模型

用大学生被试,通过三个实验探讨在集中呈现类别成员样本信息的归类不确定情景下的特征推理。实验结果表明,单纯的归类确定性程度和靶类别靶特征的代表性并不直接影响被试的特征推理,而是预测特征相对于目标特征的综合条件概率直接影响被试的特征推理;特征推理不是基于类别中介的间接推理,而是基于特征关联综合条件概率的直接推理。实验结果支持作者提出的预测特征综合条件概率模型。

归类不确定时样例代表性对特征归纳预测的影响研究

作者用以大学生被试的一个实验考察归类不确定情景下样例的代表典型性对特征归纳预测的可能影响。实验结果表明,预测特征相对于目标特征的综合条件概率影响特征归纳预测,而样例的代表典型性并不影响特征归纳预测,没有出现样例的代表典型性效应。预测特征综合条件概率策略能预测解释这种结果。