风功率预测误差的TLS模型矩估计法研究

发布时间：2020-04-19 18:17

【摘要】：风功率预测误差分布的准确描述,对确保电力系统的安全经济运行有着非常重要的意义。研究发现,在很多情况下风功率预测误差都会表现出尖峰厚尾特征,而T-Location-Scale(TLS)分布具有非常明显的厚尾适应性,是目前广泛使用的模型之一。常用的TLS分布的参数估计方法是最大似然法,该方法是通过最大化样本联合概率值来求解分布参数。由于不能通过导数方程的解析方法得到TLS分布参数的最优解,因此需要采用一个优化方法来完成最优解的搜索。然而,由于TLS分布是一个三参数模型,它的最优解搜索过程不仅时间效率差,而且容易陷入局部极值点,在一些特殊的电力系统中难以应用。因此,寻找一种简单快速的参数估计方法,对TLS分布在风功率预测误差建模中的应用有极大的现实意义。针对以上问题,本文进行了以下研究:第一,研究了TLS分布的定义、性质和参数变化对形态变化的影响规律;给出了利用最大似然法进行TLS分布参数估计的实现算法,为进一步的研究奠定理论基础;第二,研究了TLS分布常用统计矩与分布参数的函数关系,根据这些关系,首次提出了TLS分布参数的矩估计法思想;同时推导出基于样本统计特征估计TLS分布参数的矩估计方法理论公式和算法流程,并且利用标准分布的随机样本验证了该方法的正确性;第三,研究了TLS分布矩估计法的性能,包括时间效率和拟合精度。在时间效率方面,采用模拟统计的方法,对比了矩估计法和最大似然法,矩估计法和改进最大似然法的时间效率;在拟合精度方面,首先对比了矩估计法、最大似然法和其对应的真实值之间的误差,其次研究了矩估计法和最大似然法之间的相对误差以及相对误差随着样本数量和统计特征的变化规律,在这些变化规律的基础上,进一步得到了矩估计法的成立条件;第四,针对不同装机容量,不同时间尺度的实际风电功率曲线,仿真对比了TLS分布、正态分布、柯西分布、拉普拉斯分布的建模效果,实验结果验证了TLS分布在风电功率预测误差建模中的适用性。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM614;O212.1

【参考文献】

相关期刊论文 前10条

1 刘燕华;李伟花;刘冲;张东英;;短期风电功率预测误差的混合偏态分布模型[J];中国电机工程学报;2015年10期

2 崔明建;孙元章;柯德平;;基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测[J];电力系统自动化;2014年12期

3 刘芳;潘毅;刘辉;丁强;李强;王芝茗;;风电功率预测误差分段指数分布模型[J];电力系统自动化;2013年18期

4 杨茂;马秀达;温道扬;庄明振;王文静;;风电功率预测研究综述[J];电测与仪表;2013年07期

5 张娜;吕泉;张显;王海霞;李卫东;;含风电系统的多级机组组合协调制定策略[J];电力系统自动化;2013年11期

6 林卫星;文劲宇;艾小猛;程时杰;李伟仁;;风电功率波动特性的概率分布研究[J];中国电机工程学报;2012年01期

7 艾名舜;马红光;;基于网格爬山法的最大似然DOA估计算法[J];信号处理;2011年06期

8 王健;严干贵;宋薇;穆钢;;风电功率预测技术综述[J];东北电力大学学报;2011年03期

9 葛炬;王飞;张粒子;;含风电场电力系统旋转备用获取模型[J];电力系统自动化;2010年06期

10 戚双斌;王维庆;张新燕;;基于支持向量机的风速与风功率预测方法研究[J];华东电力;2009年09期

，

本文编号：2633596