版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著風(fēng)電接入電網(wǎng)后所占比例的上升,風(fēng)電功率預(yù)測已成為電網(wǎng)安全經(jīng)濟(jì)運(yùn)行的一個(gè)必備工具并得以快速發(fā)展。
本文在對(duì)風(fēng)電功率預(yù)測的概念與分類進(jìn)行歸納的基礎(chǔ)上,綜述了實(shí)際應(yīng)用的風(fēng)電功率預(yù)測系統(tǒng)和理論研究的最新進(jìn)展,并討論了風(fēng)電功率預(yù)測的性能評(píng)價(jià)以及監(jiān)督考核措施?,F(xiàn)有研究表明,基于混沌時(shí)間序列的風(fēng)電功率短期預(yù)測模型具有較高精度?;诨煦珙A(yù)測模型,為減小風(fēng)電功率短期預(yù)測的誤差,本文提出兩種提高預(yù)測精度的措施。
一方面,由于混沌系統(tǒng)
2、對(duì)初始條件具有敏感依賴性,預(yù)測模型輸入量的差異將對(duì)預(yù)測精度產(chǎn)生較大影響。為減小構(gòu)成初始條件的樣本數(shù)據(jù)所導(dǎo)致的預(yù)測誤差,本文借鑒負(fù)荷預(yù)測中基于相似日選取樣本的思想,采用趨勢相似度的概念選擇相似日作為模型輸入量,對(duì)短期風(fēng)電功率進(jìn)行混沌預(yù)測。選擇我國某區(qū)域的風(fēng)電功率作為原始數(shù)據(jù),考慮不同預(yù)測步長和季節(jié)差異,進(jìn)行了大量的算例仿真,結(jié)果表明該方法提高預(yù)測精度的效果明顯。
另一方面,現(xiàn)有的研究表明,組合預(yù)測模型較單一預(yù)測模型的預(yù)測效果有所
3、提高,而采用時(shí)間序列分解的方法分析原始數(shù)據(jù)有助于深入挖掘原始序列的內(nèi)在信息,故本文基于混沌預(yù)測模型,提出了基于傅里葉變換分解的短期風(fēng)電功率組合預(yù)測模型。首先,采用傅里葉變換將原始數(shù)據(jù)分解為低頻趨勢分量和高頻隨機(jī)分量;然后,根據(jù)低頻、高頻時(shí)間序列分量的特點(diǎn),分別建立混沌預(yù)測模型和ARMA預(yù)測模型,并將預(yù)測值疊加得到預(yù)測結(jié)果。同樣考慮不同季節(jié)風(fēng)電功率數(shù)據(jù)的差異性對(duì)該方法進(jìn)行驗(yàn)證,建立相應(yīng)的風(fēng)電功率組合預(yù)測模型。
結(jié)果表明與單一預(yù)測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于混沌特性的風(fēng)電功率短期預(yù)測方法研究.pdf
- 基于混沌時(shí)間序列的短期風(fēng)電功率組合預(yù)測方法研究.pdf
- 短期風(fēng)電功率預(yù)測方法研究.pdf
- 風(fēng)電功率短期預(yù)測方法研究.pdf
- 基于多尺度分解和混沌理論的風(fēng)電功率短期預(yù)測模型研究.pdf
- 基于混沌理論的風(fēng)電功率實(shí)時(shí)預(yù)測研究.pdf
- 基于MKL方法的短期風(fēng)電功率預(yù)測研究.pdf
- 基于非參數(shù)方法的短期風(fēng)電功率預(yù)測研究.pdf
- 風(fēng)速及風(fēng)電功率短期預(yù)測方法研究.pdf
- 基于實(shí)測數(shù)據(jù)的短期風(fēng)電功率混合預(yù)測方法研究.pdf
- 風(fēng)電功率短期智能預(yù)測方法研究與實(shí)現(xiàn).pdf
- 基于概率核學(xué)習(xí)方法的短期風(fēng)電功率預(yù)測.pdf
- 短期風(fēng)電功率預(yù)測技術(shù)研究.pdf
- 基于支持向量機(jī)的短期風(fēng)電功率預(yù)測.pdf
- 超短期風(fēng)電功率預(yù)測模型研究.pdf
- 風(fēng)電場風(fēng)速及風(fēng)電功率短期預(yù)測方法的研究.pdf
- 風(fēng)電場的風(fēng)電功率短期預(yù)測研究.pdf
- 基于EEMD-ANFIS的短期風(fēng)電功率預(yù)測研究.pdf
- 基于混合算法的超短期風(fēng)電功率預(yù)測研究.pdf
- 基于人工智能的短期風(fēng)電功率組合預(yù)測研究.pdf
評(píng)論
0/150
提交評(píng)論