近年來,風(fēng)能發(fā)電在新能源與綠色能源領(lǐng)域有很大的價值和應(yīng)用前景.注意到風(fēng)速數(shù)據(jù)具有非負、有偏、重尾、包含很多零的特點,使得我們在風(fēng)速的精準預(yù)測和模型構(gòu)建上面臨著極大的挑戰(zhàn).基于上述分析的特點,本文中我們對一階滯后的多重線性回歸模型進行改進.首先,在空間維度中,我們將同一區(qū)域的氣象站點作為空間協(xié)變量,進行一階滯后的多重線性時空擬合.對于上述時空擬合的誤差項,在給定具有可解釋性的大氣協(xié)變量時,我們提出了基于t分布的異方差時空預(yù)測模型.然后,在對參數(shù)進行統(tǒng)計推斷的過程中,我們提出了基于異方差時空模型的兩步推斷算法.第一步中,我們使用變量選擇中的SCAD懲罰函數(shù)對空間維度中的空間協(xié)變量進行有效的選擇和參數(shù)估計.第二步中,我們使用EM算法對由大氣協(xié)變量驅(qū)動的異方差的多元t分布的似然函數(shù)進行迭代估計.最后,我們將本文提出的方法應(yīng)用在公開數(shù)據(jù)集上,實證分析結(jié)果顯示本文提出的模型對風(fēng)速有更準確的預(yù)測. 

【文章頁數(shù)】：40 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 本文研究的問題
    1.4 本文結(jié)構(gòu)安排
第二章 理論知識
    2.1 學(xué)生t分布
    2.2 優(yōu)化算法
    2.3 SCAD懲罰函數(shù)
第三章 大氣斜變量驅(qū)動的異方差時空模型
    3.1 異方差時空模型
    3.2 基于異方差時空模型的兩步推斷算法
    3.3 算法程序
第四章 模擬研究與實際數(shù)據(jù)分析
    4.1 數(shù)值模擬
    4.2實際數(shù)據(jù)分析1
    4.3實際數(shù)據(jù)分析2
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來研究展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于改進最小二乘支持向量機方法的短期風(fēng)速預(yù)測[J]. 張廣明,袁宇浩,龔松建.  上海交通大學(xué)學(xué)報. 2011(08)
[2]基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測[J]. 范高鋒,王偉勝,劉純,戴慧珠.  中國電機工程學(xué)報. 2008(34)
[3]基于時間序列分析和卡爾曼濾波算法的風(fēng)電場風(fēng)速預(yù)測優(yōu)化模型[J]. 潘迪夫,劉輝,李燕飛.  電網(wǎng)技術(shù). 2008(07)
[4]風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測研究[J]. 楊秀媛,肖洋,陳樹勇.  中國電機工程學(xué)報. 2005(11)



本文編號：3714054