当前位置:主页 > 科技论文 > 电气论文 >

基于修正后ARIMA-GARCH模型的超短期风速预测

发布时间:2018-01-13 02:33

  本文关键词:基于修正后ARIMA-GARCH模型的超短期风速预测 出处:《电网技术》2017年06期  论文类型:期刊论文


  更多相关文章: 时间序列 模糊控制 风电 预测


【摘要】:精准的风速预测对于降低风功率波动对电网稳定性的影响具有重大意义。为此,基于时间序列分析方法中的自回归差分移动平均模型(auto regressive integrated moving average,ARIMA)和广义自回归条件异方差模型(generalized autoregressive conditionally heteroscedastic,GARCH),对风速建立ARIMA-GARCH模型。并从实际经验出发,充分考虑风速自身高低及风速变化率对条件方差的影响,利用模糊理论、风速概率分布特性及相关性分析等方法,对GARCH模型中的条件方差进行加权混合修正,使其更加符合实际情况。此方法预测机理清楚,能够反映客观世界动态过程,揭示风速变化的客观规律,并且,仅通过少量历史数据,便可快速实现超短期内风速的点预测与区间预测。最后,通过中国甘肃气象站观测的风速数据进行了详细的算例分析,验证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.
【作者单位】: 电力传输与功率变换控制教育部重点实验室(上海交通大学电子信息与电气工程学院);
【基金】:国家自然科学基金项目(51007058,51477097,51677115)~~
【分类号】:TM614
【正文快照】: 示风速变化的客观规律,并且,仅通过少量历史数据,便可快速实现超短期内风速的点预测与区间预测。最后,通过中国甘肃气象站观测的风速数据进行了详细的算例分析,验证了上述方法的可行性及有效性。0引言随着世界气候变化的影响,以及全球能源结构的调整,以风电为代表的可再生能源

【相似文献】

相关期刊论文 前10条

1 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

2 张士强;王雯;王健;;ARIMA模型在城市年用电量预测中的应用[J];电力需求侧管理;2010年06期

3 吕蓬;岳莉莉;赵晓丽;;小波分解和ARIMA模型相结合的短期风速预测[J];科技信息;2011年14期

4 朱发根;;基于改进X-12-ARIMA的电煤需求预测模型与实证研究[J];中国电力;2014年02期

5 贾亚会;干飞;纪宏广;田会礼;;利用ARIMA模型预测我国煤油电的价格[J];中国矿业;2009年02期

6 姜春海;李姝;田露露;;“十二五”期间中国火电需求量预测分析——基于ARIMA模型[J];财经论丛;2012年05期

7 王月芬;王露;;基于ARIMA模型的宁波生活用电总量的实证分析[J];浙江理工大学学报;2014年06期

8 饶正富;冯尚友;;电力峰荷需求预测的ARIMA模型[J];水电能源科学;1986年01期

9 刘琰;刑薇;丁乐群;徐越;韩强;王宇拓;;基于ARIMA-GARCH模型的现货电价预测[J];能源技术经济;2012年02期

10 曾鸣;刘玮;汪晓露;;含置信区间的改进ARIMA电价预测[J];电力系统保护与控制;2009年18期

相关硕士学位论文 前6条

1 彭舟;考虑季节因素的产业用电量关联分析及预测[D];长沙理工大学;2014年

2 李思洋;电力光纤线路状态预测方法研究[D];东北电力大学;2016年

3 钟令枢;基于ARIMA-LSTM的架空线状态数据挖掘[D];华南理工大学;2016年

4 李乐;电力市场背景下需求侧报价的时间序列分析方法研究[D];华北电力大学(北京);2016年

5 赵晓丽;基于小波ARIMA模型的风电场风速短期预测方法研究[D];华北电力大学(北京);2010年

6 贾竹青;基于ARIMA模型的呼和浩特地区10kV配电网负荷预测[D];华北电力大学(北京);2011年



本文编号:1417097

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/1417097.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户0a0db***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com