本文關(guān)鍵詞：基于修正后ARIMA-GARCH模型的超短期風速預(yù)測　出處：《電網(wǎng)技術(shù)》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 時間序列 模糊控制 風電 預(yù)測

【摘要】：精準的風速預(yù)測對于降低風功率波動對電網(wǎng)穩(wěn)定性的影響具有重大意義。為此,基于時間序列分析方法中的自回歸差分移動平均模型(auto regressive integrated moving average,ARIMA)和廣義自回歸條件異方差模型(generalized autoregressive conditionally heteroscedastic,GARCH),對風速建立ARIMA-GARCH模型。并從實際經(jīng)驗出發(fā),充分考慮風速自身高低及風速變化率對條件方差的影響,利用模糊理論、風速概率分布特性及相關(guān)性分析等方法,對GARCH模型中的條件方差進行加權(quán)混合修正,使其更加符合實際情況。此方法預(yù)測機理清楚,能夠反映客觀世界動態(tài)過程,揭示風速變化的客觀規(guī)律,并且,僅通過少量歷史數(shù)據(jù),便可快速實現(xiàn)超短期內(nèi)風速的點預(yù)測與區(qū)間預(yù)測。最后,通過中國甘肅氣象站觀測的風速數(shù)據(jù)進行了詳細的算例分析,驗證了上述方法的可行性及有效性。
[Abstract]:Accurate wind speed prediction is of great significance for reducing the impact of wind power fluctuation on power grid stability. Auto regressive integrated moving average based on autoregressive differential moving average model in time series analysis. Arima and generalized autoregressive conditional heteroscedasticity model. Generalized autoregressive conditionally heteroscedastic. ARIMA-GARCH model is established for wind speed. Based on practical experience, the influence of wind speed itself and wind speed change rate on conditional variance is fully considered, and fuzzy theory is used. The probability distribution characteristics of wind speed and the correlation analysis are used to modify the conditional variance in GARCH model to make it more in line with the actual situation. The prediction mechanism of this method is clear. It can reflect the dynamic process of the objective world, reveal the objective law of wind speed change, and, through a small amount of historical data, can quickly realize the point prediction and interval prediction of the wind speed in the ultra-short term. The feasibility and effectiveness of the above method are verified by a detailed analysis of the wind speed data of Gansu Meteorological Station in China.
【作者單位】： 電力傳輸與功率變換控制教育部重點實驗室(上海交通大學(xué)電子信息與電氣工程學(xué)院);
【基金】：國家自然科學(xué)基金項目(51007058,51477097,51677115)~~
【分類號】：TM614
【正文快照】： 示風速變化的客觀規(guī)律,并且,僅通過少量歷史數(shù)據(jù),便可快速實現(xiàn)超短期內(nèi)風速的點預(yù)測與區(qū)間預(yù)測。最后,通過中國甘肅氣象站觀測的風速數(shù)據(jù)進行了詳細的算例分析,驗證了上述方法的可行性及有效性。0引言隨著世界氣候變化的影響,以及全球能源結(jié)構(gòu)的調(diào)整,以風電為代表的可再生能源

【相似文獻】

相關(guān)期刊論文 前10條

1 蔣金良;林廣明;;基于ARIMA模型的自動站風速預(yù)測[J];控制理論與應(yīng)用;2008年02期

2 張士強;王雯;王健;;ARIMA模型在城市年用電量預(yù)測中的應(yīng)用[J];電力需求側(cè)管理;2010年06期

3 呂蓬;岳莉莉;趙曉麗;;小波分解和ARIMA模型相結(jié)合的短期風速預(yù)測[J];科技信息;2011年14期

4 朱發(fā)根;;基于改進X-12-ARIMA的電煤需求預(yù)測模型與實證研究[J];中國電力;2014年02期

5 賈亞會;干飛;紀宏廣;田會禮;;利用ARIMA模型預(yù)測我國煤油電的價格[J];中國礦業(yè);2009年02期

6 姜春海;李姝;田露露;;“十二五”期間中國火電需求量預(yù)測分析——基于ARIMA模型[J];財經(jīng)論叢;2012年05期

7 王月芬;王露;;基于ARIMA模型的寧波生活用電總量的實證分析[J];浙江理工大學(xué)學(xué)報;2014年06期

8 饒正富;馮尚友;;電力峰荷需求預(yù)測的ARIMA模型[J];水電能源科學(xué);1986年01期

9 劉琰;刑薇;丁樂群;徐越;韓強;王宇拓;;基于ARIMA-GARCH模型的現(xiàn)貨電價預(yù)測[J];能源技術(shù)經(jīng)濟;2012年02期

10 曾鳴;劉瑋;汪曉露;;含置信區(qū)間的改進ARIMA電價預(yù)測[J];電力系統(tǒng)保護與控制;2009年18期

相關(guān)碩士學(xué)位論文 前6條

1 彭舟;考慮季節(jié)因素的產(chǎn)業(yè)用電量關(guān)聯(lián)分析及預(yù)測[D];長沙理工大學(xué);2014年

2 李思洋;電力光纖線路狀態(tài)預(yù)測方法研究[D];東北電力大學(xué);2016年

3 鐘令樞;基于ARIMA-LSTM的架空線狀態(tài)數(shù)據(jù)挖掘[D];華南理工大學(xué);2016年

4 李樂;電力市場背景下需求側(cè)報價的時間序列分析方法研究[D];華北電力大學(xué)(北京);2016年

5 趙曉麗;基于小波ARIMA模型的風電場風速短期預(yù)測方法研究[D];華北電力大學(xué)（北京）;2010年

6 賈竹青;基于ARIMA模型的呼和浩特地區(qū)10kV配電網(wǎng)負荷預(yù)測[D];華北電力大學(xué)（北京）;2011年

，

本文編號：1417097