-
题名基于ARMA模型的风电场风速短期预测
被引量：25
- 1
-
-
作者
邵璠
孙育河
梁岚珍
-
机构
广东湛化股份有限公司
北京联合大学自动化学院
-
出处
《电网与清洁能源》
2008年第7期52-55,共4页
-
文摘
通过分析达坂城风电场风速数据并建立ARMA模型,基于时间序列分析法实现了提前1h风速预测,分析预测结果证明预测时间和风速震荡性是影响风速预测精度的主要因素,为更长时间的风速预测提供理论基础。
-
关键词
时间序列
风速预测
arma模型
-
Keywords
time series
wind speed forecasting
arma model
-
分类号
TK89
[动力工程及工程热物理—流体机械及工程]
-
-
题名风电场风速和发电功率预测研究
被引量：590
- 2
-
-
作者
杨秀媛
肖洋
陈树勇
-
机构
北京机械工业学院
东北电力学院
中国电力科学研究院
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2005年第11期1-5,共5页
-
文摘
风速预测对风电场和电力系统的运行都具有重要意义。对风速进行比较准确的预测,可以有效地减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。基于时间序列法和神经网络法,该文对风速预测进行了研究,提出了预测风速的时序神经网络法。该方法用时间序列法建模,得到风速特性的基本参数,并用这些参数选择神经网络的输入变量;为了提高预测精度,提出了滚动式权值调整手段。该方法有效地提高了风速预测的精度。
-
关键词
风电场
风速
预测研究
发电功率
神经网络法
时间序列法
电力系统
不利影响
竞争能力
电力市场
输入变量
参数选择
预测精度
权值调整
滚动式
-
Keywords
wind power generation
wind speed forecasting
wind power forecasting
time series
ANN
-
分类号
TM614
[电气工程—电力系统及自动化]
P444
[天文地球—大气科学及气象学]
-
-
题名时间序列与神经网络法相结合的短期风速预测
被引量：94
- 3
-
-
作者
蔡凯
谭伦农
李春林
陶雪峰
-
机构
江苏大学电气信息工程学院
南瑞集团电气控制分公司
-
出处
《电网技术》
EI
CSCD
北大核心
2008年第8期82-85,90,共5页
-
文摘
利用时间序列-神经网络法研究了短期风速预测。该方法用时间序列模型来选择神经网络的输入变量,选用多层反向传播(back propagation,BP)神经网络和广义回归神经网络(generalized regression neural network,GRNN)分别对采样时间间隔为10min、20min和30min的风速序列进行预测。结果表明,时间序列结合GRNN的方法精度更高,具有一定的实用价值。
-
关键词
短期风速预测
风力发电
时间序列
人工神经网络
-
Keywords
short-term wind speed forecasting
wind power generation
time series
artificialneuralnetwork
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名风电功率GARCH预测模型的应用研究
被引量：19
- 4
-
-
作者
周晖
方江晓
黄梅
-
机构
北京交通大学电气工程学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2011年第5期108-114,119,共8页
-
文摘
根据风速变化的特点,选择了适于描述波动变化特性时间序列的GARCH方法。分析风速小时变化曲线的残差项,发现其存在着ARCH效应,满足ARCH的建模条件。采用美国夏威夷岛Lalamilo的风速数据,建立了ARCH和GARCH风速变化时间序列模型,预测日的日逐点预测误差的平均值为25.1%。经过与ARIMA算法的比较,预测的精度有所提高。运用风电机组出力与风速的关系,转换后得到了所需要的风电机组出力。对集群性不同的时间序列进行了多次数值计算,发现GARCH模型对波动性序列具有更好的适应性。
-
关键词
风速预测
风电功率
时间序列
GARCH
波动集群性
-
Keywords
wind speed forecasting
wind power
time series
GARCH
volatility clustering of fluctuated sequences
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于经验模式分解和时间序列分析的风电场风速预测
被引量：14
- 5
-
-
作者
刘兴杰
米增强
杨奇逊
樊小伟
吴俊华
-
机构
华北电力大学电力工程系
承德供电公司
承德红松风电场
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2010年第8期1037-1041,共5页
-
文摘
针对风速时间序列的非线性和非平稳性,该文提出将经验模式分解(Empirical Mode Decomposition,EMD)和时间序列分析方法相结合对风电场风速进行预测,以探寻更为准确有效地风速预测方法。首先,运用EMD对原始风速序列进行预处理,将其自适应地分解成一系列不同尺度的模式分量,这样能够突出原始风速时间序列不同的局部特征信息;然后,分析各分量,根据其变化规律,采用时间序列分析法分别建立相应的模型并进行预测,这样既简化了建立的模型又降低了预测的成本;最后将各分量的预测值叠加得到风速序列的预测值。算例结果表明,该方法大幅提高了风速预测精度。
-
关键词
风电场
风速
预测
经验模式分解
时间序列
-
Keywords
wind power farm
wind speed
forecasting
EMD
time-series
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于差分自回归滑动平均模型的风电场短期风速预测
被引量：10
- 6
-
-
作者
孟天星
张厚升
-
机构
山东理工大学电气与电子工程学院
-
出处
《科学技术与工程》
北大核心
2013年第33期9813-9818,共6页
-
基金
山东省高等学校科技计划项目(J11LG25)
国家自然科学基金项目(50807034) 资助
-
文摘
目前,风力发电的并网规模越来越大;但是鉴于风力发电特有的间歇性和随机性,难免会对电力系统的稳定运行和电能质量造成巨大影响;也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效地解决该问题。依据风速序列的自相关性以及时序性,提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型。重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测,给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。
-
关键词
风电
风速预测
时间序列
自回归滑动平均
差分自回归滑动平均
-
Keywords
wind power wind speed forecasting time series arma arima
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于小波分析和时间序列的风速预测
被引量：5
- 7
-
-
作者
李玲玲
李俊豪
王大为
王成山
-
机构
河北工业大学电磁场与电器可靠性省部共建重点实验室
天津大学电气与自动化工程学院
许继集团有限公司
-
出处
《陕西电力》
2011年第12期36-38,49,共4页
-
基金
河北省科技支撑计划项目(10213901D)
-
文摘
由于风速具备很好的时序性和随机性,因此选用时间序列的ARMA(p,q)模型对风速进行预测。为了进一步提高预测精度,先利用小波多分辨分解对全风速进行高低频分解,提取出低频平缓信号,然后对平缓后的数据进行时间序列预测。并以某风电场实测风速为例,实际算例表明:该组合模型可以有效提高风速预测精度,具有一定实用性。
-
关键词
小波分析
时间序列
arma模型
风速
预测
预测精度
-
Keywords
wavelet analysis
times series method
arma model
wind speed
forecasting
prediction accuracy
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名风力机尾流效应影响下输出功率预测仿真研究
被引量：1
- 8
-
-
作者
张友鹏
叶爱贤
高峰阳
董唯光
-
机构
兰州交通大学自动化与电气工程学院
广州地下铁道总公司
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2014年第7期1467-1471,共5页
-
基金
甘肃省科技厅科技支甘项目(1011JKCA172)
兰州市科技计划项目(2011-1-106)
-
文摘
传统风速预测模型未考虑尾流效应对风电场输出功率的影响,使风电功率预测误差过大。在尾流效应风速模型的基础上提出尾流效应影响因子矩阵,对整个风电场机组输入风速进行修正。然后采用数值逼近算法对传统灰色GM(1,1)预测模型进行优化改进,以优化的灰色GM(1,1)预测模型对未来时段风速进行预测,突变风速预测误差降低了34.3%。再将优化风速预测模型和时间序列动态神经网络相结合,构建出风电功率预测模型。应用该模型对酒泉地区某风电场现场数据进行仿真测试,预测效果较好。
-
关键词
尾流效应
影响因子矩阵
灰色优化模型
风速预测
时间序列动态神经网络
风电功率预测
-
Keywords
wake effect
influence factor matrix
gray optimization model
wind speed forecasting
time series dynamic neural network
wind power forecasting
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于混沌时间序列的支持向量机短期风速预测模型研究
被引量：9
- 9
-
-
作者
黄彦辉
王龙杰
杨薛明
-
机构
华北电力大学能源动力与机械工程学院
-
出处
《电测与仪表》
北大核心
2015年第17期32-37,共6页
-
基金
国家自然科学基金资助项目(51301069)
河北省自然科学基金资助项目(E2014502042)
-
文摘
风电场风速及风电功率预测技术是加强风电并网管理的关键措施之一。为了提高短期风速预测的精度,减小风电并网对电力系统的电能质量及其安全稳定运行带来的影响,提出了基于混沌时间序列的支持向量机短期风速预测模型。该模型针对风速混沌时间序列建模,并采用基于贝叶斯框架的最小二乘支持向量机对风速进行短期预测。仿真实验结果表明,该预测模型有效地提高了短期风速预测的精度。
-
关键词
风电并网管理
短期风速预测
混沌时间序列
最小二乘支持向量机
-
Keywords
wind power grid-connected management, short-term wind speed forecasting, chaotic time series, least squares support vector machine
-
分类号
TM614
[电气工程—电力系统及自动化]
-
