本發(fā)明涉及風(fēng)力發(fā)電技術(shù)領(lǐng)域，特別是涉及一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法與裝置。

背景技術(shù)：

風(fēng)速的隨機性和間歇性給大規(guī)模風(fēng)電并網(wǎng)帶來了巨大的挑戰(zhàn)，所以風(fēng)速的短期預(yù)測對電力系統(tǒng)的運行具有重要意義。

近些年來，對此研究的學(xué)者們提出了許多方法來解決風(fēng)速和風(fēng)電功率的預(yù)測問題，但大部分的研究都是有關(guān)風(fēng)速和風(fēng)電功率的確定性預(yù)測，而對風(fēng)速和風(fēng)電功率的概率性預(yù)測研究相對較少。而相比于確定性預(yù)測，對風(fēng)速的概率性預(yù)測更能體現(xiàn)風(fēng)速不確定性信息，更有利于電網(wǎng)的運行與規(guī)劃。

可見，如何實現(xiàn)對風(fēng)速的概率性預(yù)測，是本領(lǐng)域技術(shù)人員亟待解決的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例的目的是提供一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法與裝置，可以實現(xiàn)對風(fēng)速的概率性預(yù)測，有效的體現(xiàn)了風(fēng)速的不確定性信息。

為解決上述技術(shù)問題，本發(fā)明實施例提供一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法，包括：

依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)；

利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值；所述目標(biāo)參數(shù)值包括每種copula函數(shù)的參數(shù)值以及對應(yīng)的權(quán)值系數(shù)；

依據(jù)所述預(yù)測值和所述時變混合copula函數(shù)，計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)；

將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間。

可選的，所述依據(jù)風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)包括：

獲取歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值；

計算所述實際值和所述預(yù)測值各自的邊緣分布函數(shù)；

利用經(jīng)驗分布法，將所述邊緣分布函數(shù)轉(zhuǎn)化為均勻分布函數(shù)；

依據(jù)所述均勻分布函數(shù)，構(gòu)建時變混合copula函數(shù)。

可選的，所述利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值包括：

利用最大似然估計法，確定出每種copula函數(shù)的參數(shù)值；

利用期望最大化法，確定出每種copula函數(shù)的權(quán)值系數(shù)。

可選的，所述依據(jù)所述預(yù)測值和所述時變混合copula函數(shù)，計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)包括：

利用所述時變混合copula函數(shù)，建立所述實際值和所述預(yù)測值的聯(lián)合分布函數(shù)；

對所述聯(lián)合分布函數(shù)求偏導(dǎo)，得到對應(yīng)的聯(lián)合概率密度函數(shù)；

依據(jù)第二預(yù)測值和所述聯(lián)合概率密度函數(shù)，計算出第二實際值的條件copula密度函數(shù)；

依據(jù)預(yù)測誤差，將所述第二實際值的條件copula密度函數(shù)轉(zhuǎn)化為所述預(yù)測誤差的條件概率密度函數(shù)；所述預(yù)測誤差依據(jù)所述實際值和所述預(yù)測值確定。

可選的，所述對所述離散的條件概率密度函數(shù)進行積分面積累加，得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間包括：

獲取所述離散的條件概率密度函數(shù)的各個離散值對應(yīng)的概率值；

對所述概率值依次進行累加，獲取到對應(yīng)的累加值；

依據(jù)所述累加值和所述預(yù)設(shè)置信水平，得到對應(yīng)的上限值和下限值；

依據(jù)所述上限值和所述下限值，確定出風(fēng)速預(yù)測置信區(qū)間。

本發(fā)明實施例還提供了一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的裝置，包括構(gòu)建單元、確定單元、計算單元和得到單元，

所述構(gòu)建單元，用于依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)；

所述確定單元，用于利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值；所述目標(biāo)參數(shù)值包括每種copula函數(shù)的參數(shù)值以及對應(yīng)的權(quán)值系數(shù)；

所述計算單元，用于依據(jù)所述預(yù)測值和所述時變混合copula函數(shù)，計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)；

所述得到單元，用于將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間。

可選的，所述構(gòu)建單元包括獲取子單元、計算子單元、轉(zhuǎn)化子單元和建立子單元，

所述獲取子單元，用于獲取歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值；

所述計算子單元，用于計算所述實際值和所述預(yù)測值各自的邊緣分布函數(shù)；

所述轉(zhuǎn)化子單元，用于利用經(jīng)驗分布法，將所述邊緣分布函數(shù)轉(zhuǎn)化為均勻分布函數(shù)；

所述建立子單元，用于依據(jù)所述均勻分布函數(shù)，構(gòu)建時變混合copula函數(shù)。

可選的，所述確定單元具體用于利用最大似然估計法，確定出每種copula函數(shù)的參數(shù)值；利用期望最大化法，確定出每種copula函數(shù)的權(quán)值系數(shù)。

可選的，所述計算單元包括建立子單元、得到子單元、計算子單元和轉(zhuǎn)化子單元，

所述建立子單元，用于利用所述時變混合copula函數(shù)，建立所述實際值和所述預(yù)測值的聯(lián)合分布函數(shù)；

所述得到子單元，用于對所述聯(lián)合分布函數(shù)求偏導(dǎo)，得到對應(yīng)的聯(lián)合概率密度函數(shù)；

所述計算子單元，用于依據(jù)第二預(yù)測值和所述聯(lián)合概率密度函數(shù)，計算出第二實際值的條件copula密度函數(shù)；

所述轉(zhuǎn)化子單元，用于依據(jù)預(yù)測誤差，將所述第二實際值的條件copula密度函數(shù)轉(zhuǎn)化為所述預(yù)測誤差的條件概率密度函數(shù)；所述預(yù)測誤差依據(jù)所述實際值和所述預(yù)測值確定。

可選的，所述得到單元包括獲取子單元、得到子單元和確定子單元，

所述獲取子單元，用于獲取所述離散的條件概率密度函數(shù)的各個離散值對應(yīng)的概率值；

所述獲取子單元還用于對所述概率值依次進行累加，獲取到對應(yīng)的累加值；

所述得到子單元，用于依據(jù)所述累加值和所述預(yù)設(shè)置信水平，得到對應(yīng)的上限值和下限值；

所述確定子單元，用于依據(jù)所述上限值和所述下限值，確定出風(fēng)速預(yù)測置信區(qū)間。

由上述技術(shù)方案可以看出，依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)；該時變混合copula函數(shù)中包含的每種copula函數(shù)的參數(shù)值以及對應(yīng)的權(quán)值系數(shù)屬于未知的目標(biāo)參數(shù)，可以利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值。在給定風(fēng)速預(yù)測值的情況下，利用所述時變混合copula函數(shù)，可以計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)；將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，最終可以得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間?？梢?，通過上述技術(shù)方案，能夠依據(jù)給定的置信水平得到對應(yīng)的風(fēng)速概率性預(yù)測的區(qū)間即風(fēng)速預(yù)測置信區(qū)間，實現(xiàn)了對風(fēng)速的概率性預(yù)測，有效的體現(xiàn)了風(fēng)速的不確定性信息。

附圖說明

為了更清楚地說明本發(fā)明實施例，下面將對實施例中所需要使用的附圖做簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法的流程圖；

圖2為本發(fā)明實施例提供的一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下，所獲得的所有其他實施例，都屬于本發(fā)明保護范圍。

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步的詳細說明。

接下來，詳細介紹本發(fā)明實施例所提供的一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法。圖1為本發(fā)明實施例提供的一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法的流程圖，該方法包括：

s101：依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)。

在本發(fā)明實施例中，可以先獲取到歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值。

為了構(gòu)建時變混合copula函數(shù)，可以先計算所述實際值和所述預(yù)測值各自的邊緣分布函數(shù)。

例如，可以用x＝{pt|t＝1,…,t}表示風(fēng)速數(shù)據(jù)的實際值的集合，pt表示某一時刻風(fēng)速數(shù)據(jù)的實際值，表示風(fēng)速數(shù)據(jù)的預(yù)測值的集合，表示某一時刻風(fēng)速數(shù)據(jù)的預(yù)測值，x的邊緣分布函數(shù)為fx(x)，y的邊緣分布函數(shù)為fy(y)。

依據(jù)后續(xù)的計算需求，需要將邊緣分布函數(shù)轉(zhuǎn)化為均勻分布的形式，從而依據(jù)所述均勻分布函數(shù)，構(gòu)建時變混合copula函數(shù)。

具體的，可以利用經(jīng)驗分布法，將所述邊緣分布函數(shù)轉(zhuǎn)化為均勻分布函數(shù)。

例如，其轉(zhuǎn)化后的形式如下：

其中，ut和均為區(qū)間[0,1]內(nèi)的均勻分布。

由于不同的copula函數(shù)具有不同的特點，并且風(fēng)速時間序列具有時變特性，所以采用時變混合的copula函數(shù)(time-varyingmixturecopulafunction，tvmcf)來建立聯(lián)合分布函數(shù)。

在本發(fā)明實施例中，可以選用二元正態(tài)copula函數(shù)、二元rotatedgumbelcopula函數(shù)以及二元symmerisedjoe-claytoncopula函數(shù)，作為時變混合的copula函數(shù)。

其中，二元正態(tài)copula函數(shù)描述的是對稱的尾部相關(guān)性，其定義如下：

其中，ρ∈[-1,1]。

二元rotatedgumbelcopula函數(shù)刻畫的是變量上尾的相關(guān)性，其定義如下：

c(u,v；α)＝exp(-[(-ln(1-u))^α+(-ln(1-v))^α])^1/α

其中，α∈[1,+∞)。

二元symmerisedjoe-claytoncopula函數(shù)可以刻畫非對稱的相關(guān)性(即上尾和下尾不對稱)，其定義如下：

csjc(u,v|τ^u,τ^l)＝0.5(cjc(u,v|τ^u,τ^l)+cjc(1-u,1-v|τ^u,τ^l)+u+v-1)，

其中，τ^u、τ^l∈(0,1)。

對于時變的copula函數(shù)，其相關(guān)參數(shù)均可隨時間而變化。

相應(yīng)的，時變混合copula函數(shù)的結(jié)構(gòu)如下所示：

其中，cn(·)分別代表三種gaussiancopula、rotatedgumbelcopula和symmerisedjoe-claytoncopula函數(shù)；φn為每種copula函數(shù)的相關(guān)參數(shù)；ηn(0≤ηn≤1)為每種copula函數(shù)的權(quán)值，并且

s102：利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值。

當(dāng)構(gòu)建好時變混合copula函數(shù)后，其包含的每種copula函數(shù)的相關(guān)參數(shù)以及對應(yīng)的權(quán)值屬于未知的目標(biāo)參數(shù)，為了便于后續(xù)利用該時變混合copula函數(shù)進行操作，需要先求解出時變混合copula函數(shù)中的目標(biāo)參數(shù)值。

在本發(fā)明實施例中，可以利用期望最大化-最大似然(expectationmaximizationintegratingwithmaximumlikelihood,em-ml)方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值。

s103：依據(jù)所述預(yù)測值和所述時變混合copula函數(shù)，計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)。

預(yù)測誤差用于表示風(fēng)速數(shù)據(jù)的實際值與預(yù)測值的差值。

在本發(fā)明實施例中，可以利用所述時變混合copula函數(shù)，建立所述實際值和所述預(yù)測值的聯(lián)合分布函數(shù)，其公式如下：

fxy(x,y)＝cm(fx(x),…,fy(y))(2)

其中，函數(shù)cm表示的是時變混合copula函數(shù)。

對公式(2)求關(guān)于x和y的偏導(dǎo)數(shù)，即得到隨機變量x和y的聯(lián)合概率密度函數(shù)(probabilitydensityfunction,pdf)fxy，其公式如下：

其中，fx(x)和fy(y)分別為x和y的邊緣概率密度函數(shù)；cm(fx(x),fy(y))為時變混合copula密度函數(shù)。

對于cm(fx(x),fy(y))可以由公式(1)求關(guān)于x和y的偏導(dǎo)數(shù)得出，其具體形式如下：

將公式(4)帶入到公式(3)中即可得到聯(lián)合概率密度函數(shù)。

以一個風(fēng)速預(yù)測值為例，在給定該風(fēng)速預(yù)測值的情況下，利用該聯(lián)合概率密度函數(shù)，可以計算出其對應(yīng)的風(fēng)速實際值的條件copula密度函數(shù)。

例如，在給定風(fēng)速預(yù)測值的條件下，由公式(3)可以得到風(fēng)速實際值的條件copula密度函數(shù)：

利用風(fēng)速預(yù)測誤差來建立概率性預(yù)測，將風(fēng)速實際值的條件copula密度函數(shù)轉(zhuǎn)化為在預(yù)測值的條件下，風(fēng)速預(yù)測誤差的條件概率密度函數(shù)(conditionalprobabilitydensityfunction,cpdf)，為：

其中，預(yù)測誤差e的取值范圍為

s104：將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間。

將s103中計算出的cpdf轉(zhuǎn)化為離散的條件概率密度函數(shù)，可以獲取所述離散的條件概率密度函數(shù)的各個離散值對應(yīng)的概率值；對所述概率值依次進行累加，獲取到對應(yīng)的累加值；依據(jù)所述累加值和所述預(yù)設(shè)置信水平，得到對應(yīng)的上限值和下限值；依據(jù)所述上限值和所述下限值，確定出風(fēng)速預(yù)測置信區(qū)間。

在本發(fā)明實施例中，可以用α表示顯著性水平，相應(yīng)的預(yù)設(shè)置信水平為1-α，在計算上下限值時，可以以和作為判決條件。

例如，記下各個離散值對應(yīng)的概率值為pj(j＝1,…,n)，其中n為離散點的個數(shù)。對pj從j＝1開始進行累加，直至概率的累加值等于時得到對應(yīng)的預(yù)測誤差下限e^l，對pj從j＝1開始進行累加，直至概率的累加值等于時得到對應(yīng)的預(yù)測誤差上限為e^u，相應(yīng)的，可以得到風(fēng)速的預(yù)測區(qū)間為

由上述介紹可知，時變混合copula函數(shù)的參數(shù)包括了每種copula函數(shù)的參數(shù)以及分別對應(yīng)的權(quán)值系數(shù)，對于每種copula函數(shù)的參數(shù)，可以采用極大似然估計法(maximumlikelihood,ml)進行估計；而對于每種copula函數(shù)的權(quán)值系數(shù)，可以采用期望最大化方法(expectationmaximization,em)進行確定。

接下來將分別對求解每種copula函數(shù)的參數(shù)和權(quán)值系數(shù)的具體過程展開介紹。

采用ml對每種copula函數(shù)的參數(shù)進行估計，具體步驟如下：

假設(shè)樣本風(fēng)速實際值x和風(fēng)速預(yù)測值y具有邊緣分布函數(shù)fx(x；θ1)和fy(y；θ2)，邊緣密度函數(shù)分別為fx(x；θ1)和fy(y；θ2)，其中θ1、θ2為邊緣分布函數(shù)和密度函數(shù)的未知參數(shù)。

令u＝fx(x；θ1)，v＝fy(y；θ2)，則選擇的copula函數(shù)的分布函數(shù)為c(u,v；χ)，其對于的密度函數(shù)為其中χ為copula函數(shù)的未知參數(shù)。則風(fēng)速實際值x和風(fēng)速預(yù)測值y的聯(lián)合分布函數(shù)為：

h(x,y；θ1,θ2,χ)＝c[fx(x；θ1),fy(y；θ2)；χ]

則對應(yīng)的聯(lián)合概率密度函數(shù)為：

可得到樣本的似然函數(shù)為：

對等式的兩邊取對數(shù)，可得對數(shù)似然函數(shù)：

通過求解對數(shù)似然函數(shù)的最大值點，則可求得邊緣分布和copula函數(shù)的未知參數(shù)的最大似然估計值：

采用em對每種copula函數(shù)的權(quán)值系數(shù)進行確定，其具體步驟如下：

假設(shè)一個觀測值ti＝(xi,yi)來自于混合copula函數(shù)中的某一個copula函數(shù)cj，引入隱藏隨機變量zi＝(zi1,zi2,zi3)，zi的第j個元素為1時，表示樣本來自第j(j＝1,2,3)個copula函數(shù)。

引入隱藏變量zi后，該觀測樣本可表示為si＝(ti,zi)，令θ＝(θ1,θ2,χ)，η＝(η1,η2,η3)，λ＝(η,θ)，則觀測樣本si的條件概率如下所示：

則所有觀測樣本s的條件概率表達式為：

為了確定n個觀測樣本的合適參數(shù)，可以通過求取上述條件概率表達式的對數(shù)似然函數(shù)期望，即

其中，k表示迭代次數(shù)。

由上式可以得到條件期望的最大值，從而確定第k+1次迭代的參數(shù)估計值：

λ^(k+1)＝argmaxe(lnp(s|λ^(k)))

通過迭代，最終可以確定混合copula函數(shù)的權(quán)值系數(shù)。

由上述技術(shù)方案可以看出，依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)；該時變混合copula函數(shù)中包含的每種copula函數(shù)的參數(shù)值以及對應(yīng)的權(quán)值系數(shù)屬于未知的目標(biāo)參數(shù)，可以利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值。在給定風(fēng)速預(yù)測值的情況下，利用所述時變混合copula函數(shù)，可以計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)；將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，最終可以得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間?？梢?，通過上述技術(shù)方案，能夠依據(jù)給定的置信水平得到對應(yīng)的風(fēng)速概率性預(yù)測的區(qū)間即風(fēng)速預(yù)測置信區(qū)間，實現(xiàn)了對風(fēng)速的概率性預(yù)測，有效的體現(xiàn)了風(fēng)速的不確定性信息。

圖2為本發(fā)明實施例提供的一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的裝置的結(jié)構(gòu)示意圖，包括構(gòu)建單元21、確定單元22、計算單元23和得到單元24，

所述構(gòu)建單元21，用于依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)。

所述確定單元22，用于利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值；所述目標(biāo)參數(shù)值包括每種copula函數(shù)的參數(shù)值以及對應(yīng)的權(quán)值系數(shù)。

所述計算單元23，用于依據(jù)所述預(yù)測值和所述時變混合copula函數(shù)，計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)。

所述得到單元24，用于將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間。

可選的，所述構(gòu)建單元包括獲取子單元、計算子單元、轉(zhuǎn)化子單元和建立子單元，

所述獲取子單元，用于獲取歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值；

所述計算子單元，用于計算所述實際值和所述預(yù)測值各自的邊緣分布函數(shù)；

所述轉(zhuǎn)化子單元，用于利用經(jīng)驗分布法，將所述邊緣分布函數(shù)轉(zhuǎn)化為均勻分布函數(shù)；

所述建立子單元，用于依據(jù)所述均勻分布函數(shù)，構(gòu)建時變混合copula函數(shù)。

可選的，所述確定單元具體用于利用最大似然估計法，確定出每種copula函數(shù)的參數(shù)值；利用期望最大化法，確定出每種copula函數(shù)的權(quán)值系數(shù)。

可選的，所述計算單元包括建立子單元、得到子單元、計算子單元和轉(zhuǎn)化子單元，

所述建立子單元，用于利用所述時變混合copula函數(shù)，建立所述實際值和所述預(yù)測值的聯(lián)合分布函數(shù)；

所述得到子單元，用于對所述聯(lián)合分布函數(shù)求偏導(dǎo)，得到對應(yīng)的聯(lián)合概率密度函數(shù)；

所述計算子單元，用于依據(jù)第二預(yù)測值和所述聯(lián)合概率密度函數(shù)，計算出第二實際值的條件copula密度函數(shù)；

所述轉(zhuǎn)化子單元，用于依據(jù)預(yù)測誤差，將所述第二實際值的條件copula密度函數(shù)轉(zhuǎn)化為所述預(yù)測誤差的條件概率密度函數(shù)；所述預(yù)測誤差依據(jù)所述實際值和所述預(yù)測值確定。

可選的，所述得到單元包括獲取子單元、得到子單元和確定子單元，

所述獲取子單元，用于獲取所述離散的條件概率密度函數(shù)的各個離散值對應(yīng)的概率值；

所述獲取子單元還用于對所述概率值依次進行累加，獲取到對應(yīng)的累加值；

所述得到子單元，用于依據(jù)所述累加值和所述預(yù)設(shè)置信水平，得到對應(yīng)的上限值和下限值；

所述確定子單元，用于依據(jù)所述上限值和所述下限值，確定出風(fēng)速預(yù)測置信區(qū)間

圖2所對應(yīng)實施例中特征的說明可以參見圖1所對應(yīng)實施例的相關(guān)說明，這里不再一一贅述。

由上述技術(shù)方案可以看出，依據(jù)歷史風(fēng)速數(shù)據(jù)的實際值和對應(yīng)的預(yù)測值，構(gòu)建時變混合copula函數(shù)；該時變混合copula函數(shù)中包含的每種copula函數(shù)的參數(shù)值以及對應(yīng)的權(quán)值系數(shù)屬于未知的目標(biāo)參數(shù)，可以利用期望最大化-最大似然方法，確定出所述時變混合copula函數(shù)的目標(biāo)參數(shù)值。在給定風(fēng)速預(yù)測值的情況下，利用所述時變混合copula函數(shù)，可以計算出風(fēng)速預(yù)測誤差的條件概率密度函數(shù)；將所述條件概率密度函數(shù)轉(zhuǎn)化為離散的條件概率密度函數(shù)，并對所述離散的條件概率密度函數(shù)進行積分面積累加，最終可以得到在預(yù)設(shè)置信水平下的風(fēng)速預(yù)測置信區(qū)間?？梢?，通過上述技術(shù)方案，能夠依據(jù)給定的置信水平得到對應(yīng)的風(fēng)速概率性預(yù)測的區(qū)間即風(fēng)速預(yù)測置信區(qū)間，實現(xiàn)了對風(fēng)速的概率性預(yù)測，有效的體現(xiàn)了風(fēng)速的不確定性信息。

以上對本發(fā)明實施例所提供的一種基于時變混合copula函數(shù)的短期風(fēng)速預(yù)測的方法與裝置進行了詳細介紹。說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權(quán)利要求的保護范圍內(nèi)。

專業(yè)人員還可以進一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。專業(yè)技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(ram)、內(nèi)存、只讀存儲器(rom)、電可編程rom、電可擦除可編程rom、寄存器、硬盤、可移動磁盤、cd-rom、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。