风电功率组合预测技术研究综述
本文关键词:风电功率组合预测技术研究综述
【摘要】:20世纪80年代,风电功率预测技术的研究工作就已经开始,随着研究的深入,预测方法越来越多,预测精度也不断提高。而在全球风电产业迅猛发展的今天,以单一方法为主的早期预测系统,逐渐不能满足现代行业的需求,组合预测作为一种全新的预测技术慢慢出现于各国研究人员的工作中。通过国内外大量的实际应用,我们发现把多种预测方法进行加权组合,预测精度相比单一的预测方法有了明显提高,为未来的风电功率预测技术指明了发展方向。
【作者单位】: 南京信息工程大学;恩施州气象局;湖北省气象服务中心;
【分类号】:TM614
【正文快照】: 0引言预测学最早是Jakob Bernoulli(1654—1705年)创立的,起初是为了减少人类生活各个方面由于不确定性导致错误决策所产生的风险(1)。随着科学的发展,从20世纪50年代开始,预测学逐渐成为了一门独立的学科,被广泛地应用于各个部门和行业,同时,随着理论不断地结合实践,也由最初
【相似文献】
中国期刊全文数据库 前10条
1 张疆涌;;综合权组合预测[J];硅谷;2009年24期
2 刘延平;邵悦然;李卫东;;我国铁路客运量的组合预测[J];物流技术;2010年07期
3 柴元春;;我国能源总产量的组合预测[J];赤峰学院学报(自然科学版);2011年04期
4 孙李红;;基于灰色组合预测的国内债券余额预测[J];哈尔滨商业大学学报(自然科学版);2012年02期
5 周伟,王建军,武常吉,刘洪;陕西省国民经济发展的组合预测研究[J];西安公路交通大学学报;1997年03期
6 肖智,李春红,李潆兵,钟波;遗传算法在经济混沌组合预测中的应用[J];重庆大学学报(自然科学版);2002年11期
7 夏明雷,刘澜;社会经济发展的组合预测研究[J];交通科技与经济;2005年03期
8 张磊;郑丕谔;;物资招标采购中组合预测的线性规划方法[J];工业工程;2007年01期
9 杜云飞;陈孟野;高永献;;基于神经网络的一种组合预测的构建与应用[J];河南工程学院学报(自然科学版);2010年02期
10 田光理;苑红伟;牛德宁;;基于粗糙集理论的短时交通流组合预测研究[J];道路交通与安全;2010年02期
中国重要会议论文全文数据库 前9条
1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年
2 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年
3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学(第9卷)[C];2008年
4 田瑾;项静恬;陈殿斌;;多种时间序列建模及组合预测的比较和改进[A];中国现场统计研究会第九届学术年会论文集[C];1999年
5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第3卷)[C];1995年
6 刘茂余;于丽英;;一种组合预测新方法的研究[A];中国运筹学会第九届学术交流会论文集[C];2008年
7 樊英;张秋菊;;工业增加值预测系统的分析设计[A];中国企业运筹学[C];2006年
8 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年
9 吴文东;吴刚;魏一鸣;范英;;基于相关系数的钢材需求量组合预测[A];第十届中国管理科学学术年会论文集[C];2008年
中国博士学位论文全文数据库 前6条
1 赵欣;小世界网络理论及其在风电功率短期预测中的应用研究[D];北京交通大学;2015年
2 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年
3 蒋传进;基于模型遴选规则的自适应组合预测研究[D];东华大学;2014年
4 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年
5 谭泗桥;支持向量回归机的改进及其在植物保护中的应用[D];湖南农业大学;2008年
6 王富强;风电场短期风速预测及模拟的理论与方法研究[D];华北电力大学;2013年
中国硕士学位论文全文数据库 前10条
1 马艳玲;组合预测在医药流通企业销售预测中的应用研究[D];华南理工大学;2015年
2 陈嵩;组合预测技术及其在功率预测中的应用[D];华北电力大学;2015年
3 郭二凤;ATM现金流预测的研究[D];辽宁科技大学;2015年
4 施艳春;基于非线性时间序列和神经网络的风电功率短期预测[D];沈阳工业大学;2016年
5 王克楠;基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究[D];北京交通大学;2016年
6 马斌;基于人工智能的短期风电功率组合预测研究[D];西南交通大学;2016年
7 沈达;我国通货膨胀率的波动与组合预测研究[D];首都经济贸易大学;2016年
8 杨冬强;风力发电短期功率预测研究[D];郑州大学;2016年
9 安秋娴;贵州省中期用电需求组合预测[D];华北电力大学(北京);2016年
10 叶晨;风电功率组合预测研究[D];华北电力大学(北京);2011年
,本文编号:1250665
本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/1250665.html