在混沌理論中,現(xiàn)有嵌入維數(shù)計算方法往往難以獲得時間序列的最佳嵌入維數(shù),不同計算方法獲得的嵌入維數(shù)稍有不同,相應光伏出力的預測結(jié)果也就不同。為減小嵌入維數(shù)對預測結(jié)果的影響,在分析光伏出力時間序列非線性動力學特性的基礎(chǔ)上,設(shè)計了一種基于多嵌入維數(shù)的Volterra組合預測模型。組合模型采用神經(jīng)網(wǎng)絡對各嵌入維數(shù)下的Volterra單一模型進行組合,單一預測模型均采用性能表現(xiàn)最好的2階Volterra濾波器。仿真結(jié)果驗證了組合模型的可行性和有效性。 

【文章來源】：電工電能新技術(shù). 2020,39(10)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 光伏出力時間序列混沌特性分析
    2.1 互信息法確定延遲時間
    2.2 Cao氏法確定嵌入維數(shù)
    2.3 光伏出力時間序列混沌特性識別
3 預測模型的建立
    3.1 基于Volterra的單一預測模型
    3.2 基于多嵌入維數(shù)的組合預測模型
4 光伏出力預測算例
    4.1 單一預測模型預測結(jié)果分析
    4.2 組合預測模型預測結(jié)果分析
5 結(jié)論


【參考文獻】：
期刊論文
[1]一種適應于兩級直流配電系統(tǒng)的光伏直流變換器及控制策略研究[J]. 郝利東,潘尚智,蔣建波,宮金武,羅海云,康鵬舉,王文萃.  電工電能新技術(shù). 2019(08)
[2]基于混沌-RBF神經(jīng)網(wǎng)絡的光伏發(fā)電功率超短期預測模型[J]. 王育飛,付玉超,孫路,薛花.  電網(wǎng)技術(shù). 2018(04)
[3]基于Copula理論的風/光出力預測誤差分析方法的研究[J]. 鐘嘉慶,李茂林,江靜,張曉輝.  電工電能新技術(shù). 2017(06)
[4]基于螢火蟲算法?廣義回歸神經(jīng)網(wǎng)絡的光伏發(fā)電功率組合預測[J]. 王昕,黃柯,鄭益慧,李立學,邵鳳鵬,賈立凱,徐清山.  電網(wǎng)技術(shù). 2017(02)
[5]基于灰色系統(tǒng)校正-小波神經(jīng)網(wǎng)絡的光伏功率預測[J]. 丁明,劉志,畢銳,朱衛(wèi)平.  電網(wǎng)技術(shù). 2015(09)
[6]短期風速時間序列混沌特性分析及預測[J]. 田中大,李樹江,王艷紅,高憲文.  物理學報. 2015(03)
[7]基于相空間重構(gòu)和小波神經(jīng)網(wǎng)絡的光伏陣列發(fā)電量預測[J]. 羅毅,千雨樂.  太陽能學報. 2014(06)
[8]基于多維時間序列局部支持向量回歸的微網(wǎng)光伏發(fā)電預測[J]. 黃磊,舒杰,姜桂秀,張繼元.  電力系統(tǒng)自動化. 2014(05)
[9]基于EEMD-SVM方法的光伏電站短期出力預測[J]. 茆美琴,龔文劍,張榴晨,曹雨,徐海波.  中國電機工程學報. 2013(34)
[10]交通流量序列混沌特性分析及DFPSOVF預測模型[J]. 張玉梅,吳曉軍,白樹林.  物理學報. 2013(19)



本文編號：3171738