本文關(guān)鍵詞：基于修正后ARIMA-GARCH模型的超短期風(fēng)速預(yù)測(cè)　出處：《電網(wǎng)技術(shù)》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 時(shí)間序列 模糊控制 風(fēng)電 預(yù)測(cè)

【摘要】：精準(zhǔn)的風(fēng)速預(yù)測(cè)對(duì)于降低風(fēng)功率波動(dòng)對(duì)電網(wǎng)穩(wěn)定性的影響具有重大意義。為此,基于時(shí)間序列分析方法中的自回歸差分移動(dòng)平均模型(auto regressive integrated moving average,ARIMA)和廣義自回歸條件異方差模型(generalized autoregressive conditionally heteroscedastic,GARCH),對(duì)風(fēng)速建立ARIMA-GARCH模型。并從實(shí)際經(jīng)驗(yàn)出發(fā),充分考慮風(fēng)速自身高低及風(fēng)速變化率對(duì)條件方差的影響,利用模糊理論、風(fēng)速概率分布特性及相關(guān)性分析等方法,對(duì)GARCH模型中的條件方差進(jìn)行加權(quán)混合修正,使其更加符合實(shí)際情況。此方法預(yù)測(cè)機(jī)理清楚,能夠反映客觀世界動(dòng)態(tài)過(guò)程,揭示風(fēng)速變化的客觀規(guī)律,并且,僅通過(guò)少量歷史數(shù)據(jù),便可快速實(shí)現(xiàn)超短期內(nèi)風(fēng)速的點(diǎn)預(yù)測(cè)與區(qū)間預(yù)測(cè)。最后,通過(guò)中國(guó)甘肅氣象站觀測(cè)的風(fēng)速數(shù)據(jù)進(jìn)行了詳細(xì)的算例分析,驗(yàn)證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.
【作者單位】： 電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室(上海交通大學(xué)電子信息與電氣工程學(xué)院);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51007058,51477097,51677115)~~
【分類號(hào)】：TM614
【正文快照】： 示風(fēng)速變化的客觀規(guī)律,并且,僅通過(guò)少量歷史數(shù)據(jù),便可快速實(shí)現(xiàn)超短期內(nèi)風(fēng)速的點(diǎn)預(yù)測(cè)與區(qū)間預(yù)測(cè)。最后,通過(guò)中國(guó)甘肅氣象站觀測(cè)的風(fēng)速數(shù)據(jù)進(jìn)行了詳細(xì)的算例分析,驗(yàn)證了上述方法的可行性及有效性。0引言隨著世界氣候變化的影響,以及全球能源結(jié)構(gòu)的調(diào)整,以風(fēng)電為代表的可再生能源

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣金良;林廣明;;基于ARIMA模型的自動(dòng)站風(fēng)速預(yù)測(cè)[J];控制理論與應(yīng)用;2008年02期

2 張士強(qiáng);王雯;王健;;ARIMA模型在城市年用電量預(yù)測(cè)中的應(yīng)用[J];電力需求側(cè)管理;2010年06期

3 呂蓬;岳莉莉;趙曉麗;;小波分解和ARIMA模型相結(jié)合的短期風(fēng)速預(yù)測(cè)[J];科技信息;2011年14期

4 朱發(fā)根;;基于改進(jìn)X-12-ARIMA的電煤需求預(yù)測(cè)模型與實(shí)證研究[J];中國(guó)電力;2014年02期

5 賈亞會(huì);干飛;紀(jì)宏廣;田會(huì)禮;;利用ARIMA模型預(yù)測(cè)我國(guó)煤油電的價(jià)格[J];中國(guó)礦業(yè);2009年02期

6 姜春海;李姝;田露露;;“十二五”期間中國(guó)火電需求量預(yù)測(cè)分析——基于ARIMA模型[J];財(cái)經(jīng)論叢;2012年05期

7 王月芬;王露;;基于ARIMA模型的寧波生活用電總量的實(shí)證分析[J];浙江理工大學(xué)學(xué)報(bào);2014年06期

8 饒正富;馮尚友;;電力峰荷需求預(yù)測(cè)的ARIMA模型[J];水電能源科學(xué);1986年01期

9 劉琰;刑薇;丁樂(lè)群;徐越;韓強(qiáng);王宇拓;;基于ARIMA-GARCH模型的現(xiàn)貨電價(jià)預(yù)測(cè)[J];能源技術(shù)經(jīng)濟(jì);2012年02期

10 曾鳴;劉瑋;汪曉露;;含置信區(qū)間的改進(jìn)ARIMA電價(jià)預(yù)測(cè)[J];電力系統(tǒng)保護(hù)與控制;2009年18期

相關(guān)碩士學(xué)位論文 前6條

1 彭舟;考慮季節(jié)因素的產(chǎn)業(yè)用電量關(guān)聯(lián)分析及預(yù)測(cè)[D];長(zhǎng)沙理工大學(xué);2014年

2 李思洋;電力光纖線路狀態(tài)預(yù)測(cè)方法研究[D];東北電力大學(xué);2016年

3 鐘令樞;基于ARIMA-LSTM的架空線狀態(tài)數(shù)據(jù)挖掘[D];華南理工大學(xué);2016年

4 李樂(lè);電力市場(chǎng)背景下需求側(cè)報(bào)價(jià)的時(shí)間序列分析方法研究[D];華北電力大學(xué)(北京);2016年

5 趙曉麗;基于小波ARIMA模型的風(fēng)電場(chǎng)風(fēng)速短期預(yù)測(cè)方法研究[D];華北電力大學(xué)（北京）;2010年

6 賈竹青;基于ARIMA模型的呼和浩特地區(qū)10kV配電網(wǎng)負(fù)荷預(yù)測(cè)[D];華北電力大學(xué)（北京）;2011年

，

本文編號(hào)：1417097