-
题名国际金融市场相关系数的计算方法
- 1
-
-
作者
王应贵
甘当善
-
机构
南京财经大学金融学院
复旦大学世界经济研究所
-
出处
《统计与决策》
CSSCI
北大核心
2006年第9期13-15,共3页
-
-
关键词
国际金融市场
相关系数
广义自回归条件异方差模型
计算方法
多元化投资
金融资产
现代投资理论
风险水平
动态变化
基金经理人
-
分类号
F831.5
[经济管理—金融学]
O212.1
[理学—概率论与数理统计]
-
-
题名风电场输出功率的多时段联合概率密度预测
被引量：23
- 2
-
-
作者
杨明
朱思萌
韩学山
王洪涛
-
机构
电网智能化调度与控制教育部重点实验室(山东大学)
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2013年第10期23-28,共6页
-
基金
国家自然科学基金资助项目(51007047
51077087)
+2 种基金
国家高技术研究发展计划(863计划)资助项目(2011AA05A101)
高等学校博士学科点专项科研基金资助项目(20100131120039)
山东省自然科学基金资助项目(ZR2010EQ035)~~
-
文摘
风电场输出功率波动性较强,难以精确预测,掌握其输出功率的分布规律对含有风电场的电力系统的运行决策具有重要意义。文中在分析风电场有功功率输出特性的基础上,提出了风电场输出功率多时段联合概率密度预测,利用风电场输出功率在时段间较强的相关性,估计其波动的幅度与速度特征,为系统运行提供更全面的决策信息。结合多元回归估计常条件相关—多元广义自回归条件异方差(CCC-MGARCH)模型与稀疏贝叶斯学习方法,给出了一种基于数值天气预报信息的风电场输出功率短期多时段联合概率密度预测方法。该方法依据CCC-MGARCH模型思想,将未来多个时段内风电场输出功率的联合概率密度预测问题分解为:风电场在各个时段内独立的输出功率概率密度预测子问题和时段间关联的输出功率预测误差相关系数矩阵估计子问题,利用稀疏贝叶斯学习方法在概率密度预测问题上的优势,形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法。应用实例与分析说明了该方法的有效性。
-
关键词
电力系统
风电预测
联合概率密度预测
稀疏贝叶斯学习
常条件相关—多元广义自回归条件异方差模型
-
Keywords
power system
wind power forecast
joint probability density forecast
sparse Bayesian learning
constant conditional correlation-multivariate generalized auto regressive conditional heteroskedasticity（CCC-MGARCH） model
-
分类号
TM614
[电气工程—电力系统及自动化]
-
