依據(jù)風(fēng)功率歷史數(shù)據(jù)建立自回歸移動(dòng)平均（ARMA）模型,其次建立廣義自回歸條件異方差（GARCH）模型消除風(fēng)電功率預(yù)測(cè)誤差的條件異方差特性,形成ARMA-GARCH復(fù)合預(yù)測(cè)模型;又進(jìn)一步在此基礎(chǔ)上針對(duì)預(yù)測(cè)誤差尖峰輕尾的統(tǒng)計(jì)特性,運(yùn)用區(qū)別于其他概率密度分布具有較大優(yōu)點(diǎn)的改進(jìn)廣義誤差分布（generalized error distribution,GED）模型,提出對(duì)風(fēng)電功率預(yù)測(cè)誤差進(jìn)行分層的觀點(diǎn),并對(duì)處于不同情況下的預(yù)測(cè)誤差給予對(duì)應(yīng)的補(bǔ)償方案,最后通過(guò)實(shí)例計(jì)算證明本文方案對(duì)改善風(fēng)電功率預(yù)測(cè)精度的有效性。 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 ARMA-GARCH模型的建立
2 風(fēng)電功率預(yù)測(cè)誤差的修正
    2.1 預(yù)測(cè)誤差的分層方法
    2.2 預(yù)測(cè)誤差的預(yù)測(cè)方法
    2.3 預(yù)測(cè)誤差的補(bǔ)償方法
3 實(shí)例分析
    3.1 ARMA模型的建立
    3.2 GARCH模型的建立
    3.3 預(yù)測(cè)誤差的分布擬合
    3.4 預(yù)測(cè)誤差的分層及補(bǔ)償結(jié)果
    3.5 對(duì)比方法模型
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)K近鄰算法在風(fēng)功率預(yù)測(cè)及風(fēng)水協(xié)同運(yùn)行中的應(yīng)用[J]. 楊秀媛,裘微江,金鑫城,陳勇,鄒衛(wèi)美,鄭志偉,郭中華,秦澤陽(yáng).  電網(wǎng)技術(shù). 2018(03)
[2]基于廣義自回歸條件異方差偏度峰度模型的風(fēng)電功率預(yù)測(cè)方法[J]. 陳昊,高山,王玉榮,張建忠.  中國(guó)電機(jī)工程學(xué)報(bào). 2017(12)
[3]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)
[4]基于加權(quán)系數(shù)動(dòng)態(tài)修正的短期風(fēng)電功率組合預(yù)測(cè)方法[J]. 王錚,Rui Pestana,馮雙磊,申洪,Luis Rosa.  電網(wǎng)技術(shù). 2017(02)
[5]基于模糊信息�；妥钚《酥С窒蛄繖C(jī)的風(fēng)電功率波動(dòng)范圍組合預(yù)測(cè)模型[J]. 王賀,胡志堅(jiān),仉夢(mèng)林.  電工技術(shù)學(xué)報(bào). 2014(12)
[6]基于數(shù)據(jù)特征提取的風(fēng)電功率預(yù)測(cè)誤差估計(jì)方法[J]. 張凱鋒,楊國(guó)強(qiáng),陳漢一,王穎,丁恰.  電力系統(tǒng)自動(dòng)化. 2014(16)
[7]基于誤差疊加修正的改進(jìn)短期風(fēng)電功率預(yù)測(cè)方法[J]. 茆美琴,曹雨,周松林.  電力系統(tǒng)自動(dòng)化. 2013(23)
[8]基于風(fēng)電場(chǎng)功率特性的日前風(fēng)電預(yù)測(cè)誤差概率分布研究[J]. 丁華杰,宋永華,胡澤春,吳金城,范曉旭.  中國(guó)電機(jī)工程學(xué)報(bào). 2013(34)
[9]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的光伏短期出力預(yù)測(cè)[J]. 王守相,張娜.  電力系統(tǒng)自動(dòng)化. 2012(19)
[10]電力市場(chǎng)環(huán)境下考慮風(fēng)電預(yù)測(cè)誤差的經(jīng)濟(jì)調(diào)度模型[J]. 吳棟梁,王揚(yáng),郭創(chuàng)新,劉毅,高振興.  電力系統(tǒng)自動(dòng)化. 2012(06)



本文編號(hào)：3724230