風電場風速預測對風電場規(guī)劃設計和電力系統(tǒng)的運行具有重要意義。但由于風速序列的高度非平穩(wěn)性及方差時變性,要得到精度很高的風速預測數(shù)據比較困難。而風速序列又具有時序性和自相關性,因此可建立ARIMA模型進行預測。但該模型存在預測延時、多步預測精度較低的不足。為了解決該問題,建立了小波變換和ARIMA模型相結合的混合算法,在一定程度上提高預測的精度。 為了進一步提高模型預測精度,針對風速序列的非平穩(wěn)性及方差隨時間而變化的特性,結合小波變換、ARIMA模型及異方差模型的優(yōu)點,給出了小波ARIMA-ARCH風速預測模型。首先,針對風速序列的非平穩(wěn)性,利用小波分解重構算法將其分解重構成概貌部分和細節(jié)部分,得到的各部分序列近似為平穩(wěn)序列,再利用時間序列法分別對各部分進行分析。針對風速序列的方差時變性,在利用時間序列法對各部分建模時,考慮模型殘差的異方差效應,建立ARIMA-ARCH模型。最后,將概貌風速和細節(jié)風速的預測結果求和即得模型的最終預測風速。通過對樣本風速序列分別建立傳統(tǒng)ARIMA模型、小波ARIMA模型、ARIMA-ARCH模型和小波ARIMA-ARCH模型進行預測,并對各模型的預測誤差進行分析,說明利用小波變換處理風速序列的非平穩(wěn)性并且考慮了風速序列的異方差效應的小波ARIMA-ARCH模型能有效提高風速預測精度。
【學位單位】：華北電力大學
【學位級別】：碩士
【學位年份】：2012
【中圖分類】：TK81
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景及研究意義
    1.2 國內外風電場風速預測的研究現(xiàn)狀
        1.2.1 國內外對風電研究狀況
        1.2.2 國內外風電場風速預測的主要方法
    1.3 論文的主要工作
        1.3.1 論文的主要研究方法
        1.3.2 論文的內容章節(jié)安排
第2章 基于ARIMA模型的短期風速預測
    2.1 時間序列法簡介
    2.2 時間序列法的統(tǒng)計模型
        2.2.1 自回歸模型AR（p）
        2.2.2 移動平均模型MA（q）
        2.2.3 自回歸移動平均模型ARMA（p,q）
        2.2.4 求和自回歸移動平均模型ARIMA（p,d,q）
    2.3 時間序列的平穩(wěn)性
        2.3.1 平穩(wěn)性的定義
        2.3.2 平穩(wěn)性的檢驗
    2.4 模型定階及參數(shù)估計
        2.4.1 模型定階
        2.4.2 模型參數(shù)估計
    2.5 模型的適應性檢驗
    2.6 實例分析
        2.6.1 計算步驟
        2.6.2 建立ARIMA模型
        2.6.3 風速預測及誤差分析
    2.7 本章小結
第3章 基于小波ARIMA模型的短期風速預測
    3.1 小波變換介紹
        3.1.1 小波變換簡介
        3.1.2 小波分解與重構算法
    3.2 小波ARIMA預測模型
    3.3 實例分析
        3.3.1 最佳小波分解層數(shù)的討論
        3.3.2 建立小波ARIMA模型
    3.4 本章小結
第4章 基于ARIMA-ARCH模型的短期風速預測
    4.1 異方差性介紹
        4.1.1 異方差的概念
        4.1.2 產生異方差性的原因
        4.1.3 忽視異方差的后果
    4.2 異方差性的檢驗
        4.2.1 圖示法
        4.2.2 自相關性檢驗
    4.3 自回歸條件異方差（ARCH）模型原理
    4.4 基于ARIMA-ARCH模型的風速預測
        4.4.1 ARIMA-ARCH模型
        4.4.2 實例分析
    4.5 本章小結
第5章 基于小波ARIMA-ARCH模型的短期風速預測
    5.1 模型的建立步驟
    5.2 實例分析
        5.2.1 樣本風速序列的小波分解與重構
        5.2.2 對概貌信號、各細節(jié)信號建立ARIMA-ARCH模型
        5.2.3 小波ARIMA-ARCH模型最終風速預測結果
    5.3 各模型預測效果分析比較
    5.4 本章小結
第6章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
攻讀碩士學位期間發(fā)表的論文及其他科研成果
致謝

【相似文獻】

相關期刊論文 前10條

1 ;時間序列分析在機械工程中的應用學術討論會在我院舉行[J];華中科技大學學報(自然科學版);1984年01期

2 王百益;吳業(yè)森;;路面不平度的AR(P,O)序列模擬法[J];武漢理工大學學報(信息與管理工程版);1987年02期

3 楊建東;于化東;譚云成;;時間序列分析中一些特殊情況的探討[J];長春理工大學學報;1988年02期

4 馮鐵城;吳善勤;周宏;雷振華;;海浪測量的一種新方法[J];上海交通大學學報;1990年04期

5 李鴻杰;杜歷;;土壤水、鹽、入滲變異特性及其相互關系的空間序列分析[J];水資源與水工程學報;1990年03期

6 劉毅;李愛群;費慶國;丁幼亮;;一種利用時間序列分析的特征提取與損傷預警方法(英文)[J];Journal of Southeast University;2007年01期

7 劉娜;鄭小洋;李為平;;基于小波分析的經濟數(shù)據預測[J];重慶工學院學報(自然科學版);2009年11期

8 李小姣;;基于協(xié)整分析的我國貨運量預測[J];物流科技;2010年04期

9 陳青;羅志清;吳蕓蕓;;時間序列在變形監(jiān)測中的應用[J];江西科學;2011年02期

10 吳雅,楊叔子;時間序列分析及其在機床工業(yè)中的應用[J];制造技術與機床;1989年06期

相關博士學位論文 前10條

1 聶淑媛;時間序列分析的早期發(fā)展[D];西北大學;2012年

2 王棟;隨機與混沌神經放電節(jié)律的時間序列分析[D];陜西師范大學;2010年

3 曾高;顱高壓數(shù)學模型的建立研究[D];北京大學;2008年

4 董科強;分形理論和時間序列分析若干問題研究[D];北京交通大學;2011年

5 金菊良;遺傳算法在水資源工程中的應用研究[D];四川大學;2000年

6 岳東杰;水利水電工程變形監(jiān)測中GPS技術與數(shù)據處理研究[D];河海大學;2006年

7 胡錫健;股票量價漸近分布及其變點的統(tǒng)計過程控制監(jiān)測[D];新疆大學;2008年

8 譚泗橋;支持向量回歸機的改進及其在植物保護中的應用[D];湖南農業(yè)大學;2008年

9 齊龍;基于多光譜視覺的稻瘟病檢測技術研究[D];吉林大學;2009年

10 朱江;頻譜感知算法及授權用戶用頻行為研究[D];華中科技大學;2010年

相關碩士學位論文 前10條

1 梁海嘯;青藏鐵路大風監(jiān)測預警系統(tǒng)風速預測算法研究[D];中南大學;2010年

2 張盼;長武塬區(qū)地下水位變化特征研究[D];西北農林科技大學;2010年

3 劉菊艷;基于數(shù)據挖掘技術的短期風速預測[D];西安科技大學;2010年

4 李程;三峽庫區(qū)水質時間序列分析與發(fā)布[D];武漢大學;2005年

5 岳莉莉;基于時間序列分析的風速短期預測方法研究[D];華北電力大學;2012年

6 孫娜;時間序列分析在教育投資與經濟增長方面的研究應用[D];遼寧師范大學;2012年

7 仉新;時間序列分析在經濟投資中的研究與應用[D];沈陽工業(yè)大學;2013年

8 郝博乾;基于時間序列分析的股票預測模型研究[D];電子科技大學;2011年

9 胡偉明;基于小波和時間序列分析的高速鐵路沉降預測方法研究[D];西南交通大學;2011年

10 趙瑋英;時間序列分析在氣象中的應用[D];揚州大學;2010年

本文編號：2884334