基于模糊信息粒化与支持向量分位数回归的风光水概率密度预测方法

发布时间：2020-06-05 05:20

【摘要】：当前,我国的发电模式始终都以传统的火力发电为主。自21世纪以来,我国的生活、工业和国防等用电总量正在逐步增加,这给火力发电带来了巨大的压力和挑战。同时,面对环境保护的压力也越来越大,这就迫使我们需要尽快寻求更加清洁并且高效的能源,以用来解决传统发电方式带来的诸多弊端。风力发电是目前被人们广泛研究和运用的新能源之一,但是由于风能的不确定和间歇性等特点使得风力发电较难稳定地并入电网。近年来,太阳能光伏发电迅猛发展,各个国家和地区都投入了巨大的人力、物力与财力,通过大规模的优势和相关产业的自动化与智能化设备,光伏发电技术得到了迅速发展,并且其市场普及程度也越来越高。水力发电仅对环境有较小的冲击,发电成本低并且启动速度快,容易进行调节与控制,得到了广泛的应用。为了有效度量风电、光伏与径流的不确定性和稳定性,进一步提高新能源发电功率的预测结果精度,本文根据风、光、水的时间序列特性,将支持向量机(SVM)、分位数回归(QR)方法与模糊信息粒化(FIG)相结合,构建了基于模糊信息粒化与支持向量分位数回归(FIG-SVQR)的模型。并且结合了核密度估计进行风电、光电与径流的概率密度预测,得到了较为精确的风电、光电与径流的波动曲线和概率密度曲线。并将FIG-SVQR预测模型与传统的神经网络模型(Elman、BP、RBF)、SVQR模型做对比,并且以相应的评价指标进行分析。为了验证本文提出的方法的高效性和稳定性,选取了概率密度曲线的众数和中位数作为点预测结果进行分析,同时运用了预测区间评价准则对预测区间进行评价。本文采用风、光、水三种不同的数据集进行案例分析,结果表明:提出的基于模糊信息粒化与支持向量分位数回归概率密度预测方法可以获取完整的风、光、水概率密度曲线和预测区间,较好地解决了新能源的波动性和不确定性问题,为电力系统稳定运行提供了相关的技术支持和理论依据。
【图文】：

我们把 2018 年 2 月 1 日至 2 月 21 日和 2018 年 8 月 1 日至 8 月 21 日作为风电实验的训练数据集。测试集的数据集为2018年2月22日至2月28日和2018年 8 月 22 日至 8 月 28 日。下图 4.1 为 2018 年 2 月 1 日至 2 月 28 日和 2018 年 8月 1 日至 8 月 28 日的完整风电时间序列图。图 4.1 2018 年 2 月和 2018 年 8 月完整的风电时间序列图Fig 4.1 Complete wind power time series diagrams for February,2018 andAugust,2018其中横坐标代表时间节点（单位以小时计算），纵坐标代表对应的风电功率数值大小。风电功率数值的单位为 MW.H。每天共计 24 个节点数目，2018 年 2 月和2018 年 8 月数据集总共的节点数量为 1344 个。从图 4.1 中我们可以看出风电数据的总体走向，并且具有周期性。峰值在 4000-4500 MW.H 之间，而不少时刻的风电数据接近 0。由此可以看出风电数据的波动范围较大，其中 2018 年 2 月风电功率的波动性更加突出，所以对风电数据进行预测具有必要性，量化其中的不确定性，

8 月FIG-SVQR 94.05 23.58过对比表 4.1-4.3 和图 4.2-4.5，我们可以得到：本文使用的 FIG-SV点预测结果误差明显小于 RBF、BP 等传统方法，，并且相较于 SVQR较好的预测区间结果。结合点预测和区间预测，FIG-SVQR 具有最优
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM61

【相似文献】

相关期刊论文 前10条

1 肖桂姣;;分位数回归下的指标设计与实现[J];当代经济;2019年02期

2 周少甫;范兆媛;;年龄对医疗费用增长的影响:基于分位数回归模型的分析[J];中国卫生经济;2016年06期

3 陈子亮;卿清;;影响波士顿不同社区房价水平的因素分析——基于分位数回归方法[J];商;2015年30期

4 施鹏;;分位数回归对资产定价模型的比较分析[J];商业故事;2016年34期

5 吴卫星;魏晓璇;吴锟;;金融素养与金融满意度[J];金融科学;2017年01期

6 李涛;王健俊;;国产电影票房绩效的影响因素研究——基于分位数回归及门限效应的分析[J];文化产业研究;2017年02期

7 姜励卿;钱文荣;;公共部门与非公共部门工资差异的分位数回归分析[J];统计研究;2012年01期

8 朱平芳;张征宇;;无条件分位数回归:文献综述与应用实例[J];统计研究;2012年03期

9 吴建南;马伟;;分位数回归与显著加权分析技术的比较研究[J];统计与决策;2006年07期

10 谭治国;蔡乙萍;;分位数回归在风险管理中的应用[J];统计与决策;2006年17期

相关会议论文 前10条

1 夏宁;;中国上市公司高管人员薪酬的影响因素与成因分解——一个基于分位数回归模型的实证研究[A];中国会计学会财务管理专业委员会2009年学术年会论文集[C];2009年

2 李坤明;;空间滞后分位数回归模型的截面估计法[A];21世纪数量经济学（第18卷）[C];2017年

3 朱高培;吴学森;;基于分位数回归制定HbA1c的医学参考值范围[A];2017年中国卫生统计学学术年会论文集[C];2017年

4 张晗希;许志梦;曾澄波;蔡卫平;郭艳;;基于分位数回归模型探索社会支持对HIV/AIDS患者应对方式的影响[A];2017年中国卫生统计学学术年会论文集[C];2017年

5 陈磊;;股灾期间沪深300股指期货的量价关系——基于联立方程和分位数回归的实证研究[A];21世纪数量经济学（第17卷）[C];2016年

6 李唐;李飞;;民航客机最佳燃油携带量推荐[A];第八届中国航空学会青年科技论坛论文集[C];2018年

7 姚欲清;邢星;吕冰;闵捷;;应用分位数回归分析中国成年居民蛋白质摄入量与体质指数及腰围的关系[A];达能营养中心青年科学工作者论坛优秀论文集2017年第5期[C];2017年

8 宋马林;吴杰;高玉强;张琳玲;宋峰;;中国入世以来的对外贸易与环保效率——基于分省面板数据的实证分析[A];中国贸易救济与产业安全论丛（2012）——第七届中国贸易救济与产业安全研究奖获奖论文集[C];2013年

9 陆地;孙巍;;城镇家庭消费区域不平衡的度量及分析——基于收入空间分布变迁RIF回归的实证[A];吉林大学数量经济优秀成果汇编（2018年卷）[C];2019年

10 宋利明;杨嘉j;武亚苹;惠明明;吕凯凯;;吉尔伯特群岛海域大眼金枪鱼栖息地综合指数[A];渔业科技创新与发展方式转变——2011年中国水产学会学术年会论文摘要集[C];2011年

相关博士学位论文 前10条

1 周小英;逐段连续线性分位数回归模型的统计推断及其应用[D];湖南大学;2018年

2 蔡超;基于大规模数据的分位数回归方法及应用[D];合肥工业大学;2017年

3 王生云;中国经济高速增长的亲贫困程度研究：1989-2009[D];浙江大学;2013年

4 刘惠篮;基于复合分位数回归方法的统计模型的相关研究[D];重庆大学;2016年

5 周小双;若干复杂数据模型的经验似然和复合推断方法[D];山东大学;2013年

6 樊军;高维二次度量回归模型研究[D];北京交通大学;2017年

7 孙旭;人力资本及其对中国省区全要素生产率增长的影响[D];东北财经大学;2010年

8 陈林兴;基于空间视角的我国省际农村居民消费趋同性研究[D];浙江大学;2012年

9 周志永;几类金融时间序列模型统计推断[D];浙江大学;2016年

10 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

相关硕士学位论文 前10条

1 严煜东;基于模糊信息粒化与支持向量分位数回归的风光水概率密度预测方法[D];合肥工业大学;2019年

2 王永珂;娘子关泉域降水及径流变化分析[D];天津师范大学;2019年

3 刘燕;面板数据的一些估计和检验[D];天津师范大学;2019年

4 张欣;基于分位数回归的省际电力行业碳排放差异性研究[D];华北电力大学;2019年

5 罗登菊;纵向数据下几类回归模型的复合分位数回归估计[D];贵州大学;2019年

6 赵亮;基于分位数回归的中国股市VaR研究[D];河南财经政法大学;2019年

7 吴川东;中国房地产和贵金属市场对冲通货膨胀能力研究[D];江西财经大学;2019年

8 秦杨;基于大数据分析与LASSO分位数回归的电力负荷概率密度预测方法[D];合肥工业大学;2019年

9 杨雪梅;基于MM算法的部分线性分位数回归[D];华北电力大学(北京);2019年

10 梁治军;我国上市保险公司系统性风险溢出效应研究[D];华南理工大学;2019年

本文编号：2697573