基于二次分解的改進(jìn)時(shí)間序列超短期風(fēng)速預(yù)測(cè)研究
發(fā)布時(shí)間:2021-10-19 23:29
提出了一種基于CEEMDAN (complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-VMD (variational mode decomposition,VMD)二次分解的ARIMA (autoregressive integrated moving average model,ARIMA)-GARCH (generalized autoregressive conditional heteroskedasticity,GARCH)超短期風(fēng)速預(yù)測(cè)方法。首先采用自適應(yīng)噪聲完整集成經(jīng)驗(yàn)?zāi)B(tài)分解將原始風(fēng)速信號(hào)分解,產(chǎn)生一系列特征互異的本征模函數(shù)(intrinsic mode functions,IMF)。接著計(jì)算各本征模函數(shù)的樣本熵(sample entropy,SE)以量化其復(fù)雜性,對(duì)復(fù)雜性較高的分量采用變分模態(tài)分解進(jìn)行二次分解。然后對(duì)各分量分別建立ARIMA模型,引入GARCH模型消除異方差特性。最后將各分量預(yù)測(cè)結(jié)果線性疊加。通過(guò)對(duì)西北某風(fēng)電場(chǎng)風(fēng)速數(shù)據(jù)進(jìn)行預(yù)測(cè),證明了所提模型的有效性,與...
【文章來(lái)源】:華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(04)北大核心
【文章頁(yè)數(shù)】:8 頁(yè)
【文章目錄】:
0 引言
1 基本方法原理
1.1 自適應(yīng)噪聲完整集成經(jīng)驗(yàn)?zāi)B(tài)分解
1.2 變分模態(tài)分解
2 CEEMDAN-VMD-ARIMA-GARCH預(yù)測(cè)模型
2.1 自回歸差分滑動(dòng)平均模型
2.2 模型定階
2.3 參數(shù)估計(jì)
2.4 異方差性檢驗(yàn)
2.5 CEEMDAN-VMD-ARIMA-GARCH預(yù)測(cè)模型
3 算例實(shí)現(xiàn)
3.1 CEEMDAN分解風(fēng)速序列
3.2 VMD二次分解
3.3 模型定階
3.4 異方差性檢驗(yàn)
3.5 誤差評(píng)價(jià)指標(biāo)
3.6 不同模型預(yù)測(cè)結(jié)果比較
4 結(jié)論
【參考文獻(xiàn)】:
期刊論文
[1]基于VMD和改進(jìn)ARIMA模型的超短期風(fēng)速預(yù)測(cè)[J]. 趙征,汪向碩,喬錦濤. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于CEEMDAN-PE和QGA-BP的短期風(fēng)速預(yù)測(cè)[J]. 趙輝,周杰,王紅君,岳有軍. 電子技術(shù)應(yīng)用. 2018(12)
[3]多時(shí)空尺度的風(fēng)力發(fā)電預(yù)測(cè)方法綜述[J]. 姜兆宇,賈慶山,管曉宏. 自動(dòng)化學(xué)報(bào). 2019(01)
[4]基于修正后ARIMA-GARCH模型的超短期風(fēng)速預(yù)測(cè)[J]. 丁藤,馮冬涵,林曉凡,陳靖文,陳麗霞. 電網(wǎng)技術(shù). 2017(06)
[5]基于經(jīng)驗(yàn)?zāi)B(tài)分解和小波包分解的組合風(fēng)電功率預(yù)測(cè)模型分析[J]. 馬留洋,董朕. 內(nèi)蒙古電力技術(shù). 2017(02)
[6]風(fēng)電功率預(yù)測(cè)技術(shù)研究綜述[J]. 黎靜華,桑川川,甘一夫,潘毅. 現(xiàn)代電力. 2017(03)
[7]基于變分模態(tài)分解和模糊C均值聚類的滾動(dòng)軸承故障診斷[J]. 劉長(zhǎng)良,武英杰,甄成剛. 中國(guó)電機(jī)工程學(xué)報(bào). 2015(13)
[8]關(guān)于短期及超短期風(fēng)電功率預(yù)測(cè)的評(píng)述[J]. 薛禹勝,郁琛,趙俊華,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG. 電力系統(tǒng)自動(dòng)化. 2015(06)
博士論文
[1]風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)若干問(wèn)題研究[D]. 張馳.東南大學(xué) 2017
本文編號(hào):3445804
【文章來(lái)源】:華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(04)北大核心
【文章頁(yè)數(shù)】:8 頁(yè)
【文章目錄】:
0 引言
1 基本方法原理
1.1 自適應(yīng)噪聲完整集成經(jīng)驗(yàn)?zāi)B(tài)分解
1.2 變分模態(tài)分解
2 CEEMDAN-VMD-ARIMA-GARCH預(yù)測(cè)模型
2.1 自回歸差分滑動(dòng)平均模型
2.2 模型定階
2.3 參數(shù)估計(jì)
2.4 異方差性檢驗(yàn)
2.5 CEEMDAN-VMD-ARIMA-GARCH預(yù)測(cè)模型
3 算例實(shí)現(xiàn)
3.1 CEEMDAN分解風(fēng)速序列
3.2 VMD二次分解
3.3 模型定階
3.4 異方差性檢驗(yàn)
3.5 誤差評(píng)價(jià)指標(biāo)
3.6 不同模型預(yù)測(cè)結(jié)果比較
4 結(jié)論
【參考文獻(xiàn)】:
期刊論文
[1]基于VMD和改進(jìn)ARIMA模型的超短期風(fēng)速預(yù)測(cè)[J]. 趙征,汪向碩,喬錦濤. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于CEEMDAN-PE和QGA-BP的短期風(fēng)速預(yù)測(cè)[J]. 趙輝,周杰,王紅君,岳有軍. 電子技術(shù)應(yīng)用. 2018(12)
[3]多時(shí)空尺度的風(fēng)力發(fā)電預(yù)測(cè)方法綜述[J]. 姜兆宇,賈慶山,管曉宏. 自動(dòng)化學(xué)報(bào). 2019(01)
[4]基于修正后ARIMA-GARCH模型的超短期風(fēng)速預(yù)測(cè)[J]. 丁藤,馮冬涵,林曉凡,陳靖文,陳麗霞. 電網(wǎng)技術(shù). 2017(06)
[5]基于經(jīng)驗(yàn)?zāi)B(tài)分解和小波包分解的組合風(fēng)電功率預(yù)測(cè)模型分析[J]. 馬留洋,董朕. 內(nèi)蒙古電力技術(shù). 2017(02)
[6]風(fēng)電功率預(yù)測(cè)技術(shù)研究綜述[J]. 黎靜華,桑川川,甘一夫,潘毅. 現(xiàn)代電力. 2017(03)
[7]基于變分模態(tài)分解和模糊C均值聚類的滾動(dòng)軸承故障診斷[J]. 劉長(zhǎng)良,武英杰,甄成剛. 中國(guó)電機(jī)工程學(xué)報(bào). 2015(13)
[8]關(guān)于短期及超短期風(fēng)電功率預(yù)測(cè)的評(píng)述[J]. 薛禹勝,郁琛,趙俊華,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG. 電力系統(tǒng)自動(dòng)化. 2015(06)
博士論文
[1]風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)若干問(wèn)題研究[D]. 張馳.東南大學(xué) 2017
本文編號(hào):3445804
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3445804.html
最近更新
教材專著