基于误差修正ARMA-GARCH模型的短期风电功率预测

发布时间：2022-12-22 23:09

　　依据风功率历史数据建立自回归移动平均（ARMA）模型,其次建立广义自回归条件异方差（GARCH）模型消除风电功率预测误差的条件异方差特性,形成ARMA-GARCH复合预测模型;又进一步在此基础上针对预测误差尖峰轻尾的统计特性,运用区别于其他概率密度分布具有较大优点的改进广义误差分布（generalized error distribution,GED）模型,提出对风电功率预测误差进行分层的观点,并对处于不同情况下的预测误差给予对应的补偿方案,最后通过实例计算证明本文方案对改善风电功率预测精度的有效性。 

【文章页数】：8 页

【文章目录】：
0 引言
1 ARMA-GARCH模型的建立
2 风电功率预测误差的修正
    2.1 预测误差的分层方法
    2.2 预测误差的预测方法
    2.3 预测误差的补偿方法
3 实例分析
    3.1 ARMA模型的建立
    3.2 GARCH模型的建立
    3.3 预测误差的分布拟合
    3.4 预测误差的分层及补偿结果
    3.5 对比方法模型
4 结论


【参考文献】：
期刊论文
[1]改进K近邻算法在风功率预测及风水协同运行中的应用[J]. 杨秀媛,裘微江,金鑫城,陈勇,邹卫美,郑志伟,郭中华,秦泽阳.  电网技术. 2018(03)
[2]基于广义自回归条件异方差偏度峰度模型的风电功率预测方法[J]. 陈昊,高山,王玉荣,张建忠.  中国电机工程学报. 2017(12)
[3]基于修正后ARIMA-GARCH模型的超短期风速预测[J]. 丁藤,冯冬涵,林晓凡,陈靖文,陈丽霞.  电网技术. 2017(06)
[4]基于加权系数动态修正的短期风电功率组合预测方法[J]. 王铮,Rui Pestana,冯双磊,申洪,Luis Rosa.  电网技术. 2017(02)
[5]基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型[J]. 王贺,胡志坚,仉梦林.  电工技术学报. 2014(12)
[6]基于数据特征提取的风电功率预测误差估计方法[J]. 张凯锋,杨国强,陈汉一,王颖,丁恰.  电力系统自动化. 2014(16)
[7]基于误差叠加修正的改进短期风电功率预测方法[J]. 茆美琴,曹雨,周松林.  电力系统自动化. 2013(23)
[8]基于风电场功率特性的日前风电预测误差概率分布研究[J]. 丁华杰,宋永华,胡泽春,吴金城,范晓旭.  中国电机工程学报. 2013(34)
[9]基于灰色神经网络组合模型的光伏短期出力预测[J]. 王守相,张娜.  电力系统自动化. 2012(19)
[10]电力市场环境下考虑风电预测误差的经济调度模型[J]. 吴栋梁,王扬,郭创新,刘毅,高振兴.  电力系统自动化. 2012(06)



本文编号：3724230