共查询到20条相似文献,搜索用时 15 毫秒
1.
基于噪声场合下ARMA模型的风力发电量预测 总被引:2,自引:0,他引:2
针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型.通过对模型残差白噪声性能的分析,验证了模型的适用性.应用此模型进行了预测分析,得到的归一化平均绝对误差(NMAE)为0.065 8.通过与普通的ARMA模型预测精度方面的对比,进一步验证了噪声场合下基于ARMA模型风力发电量预测的优越性. 相似文献
2.
3.
基于ARMA模型的水电站概率性发电量预测 总被引:3,自引:0,他引:3
水电站发电量通常具有较大的随机性,水电站的发电量的预测对于水电比重较大的电网结构具有重要的意义。本文首先对某水电站的年发电量序列进行分析,然后根据分析结果提出了基于ARMA模型的水电站概率性发电量预测方法。该方法对随机性较大的负荷进行预测可获得有价值的结果。 相似文献
4.
5.
故障组合预测模型研究 总被引:3,自引:0,他引:3
故障特征和随机噪声均包含在设备获得的信号中.每个预测模型都具有各自特点和噪声的不确定性,本文提出新的预测思路:采用小波相关滤波去掉信号的噪声后,分别建立时间序列ARMA(p)模型和改进灰色预测GM(1,1)模型,并将两模型的预测值进行加权组合.最后把该组合预测模型尝试应用于二次雷达获得的速度信息,实验验证了该模型用于故障预测的有效性和实用性. 相似文献
6.
风功率预测对提高电能质量和电力系统的安全运行具有重要意义。基于时间序列的方法,对内蒙古赤峰地区某风场的风功率数据进行了超短期预测,通过对数据平稳性检验的结果,建立了时间序列的ARMA模型,利用拉格朗日乘子检验的方法,检验ARMA模型具有ARCH效应,并建立适合的ARMA-GARCH模型。结论通过对比ARMA模型,ARMA-ARCH模型和ARMA-GARCH模型的风功率预测精度可知,在解决数据的残差序列异方差函数具有长期相关性时,ARMA-GARCH模型能够有效的提高预测精度。 相似文献
7.
8.
双自回归滑动平均模型风速预测研究 总被引:2,自引:0,他引:2
风电场中风速变化的随机性很强。对随机过程的建模和预测,自回归滑动平均模型(ARMA)具有较好的效果。以张家口尚义风电场实测风速构成时间序列样本,首先通过差分处理将原始风速序列变为平稳随机序列,并确定该序列的描述模型为ARMA(0,4)。用该模型对验证风速序列进行超前一步预测,得到较好的风速预测效果。为进一步提高预测的精度,对样本序列风速预测的残差再次采用ARMA模型进行建模和预测,并用预测残差来修正风速预测值。对实际风速序列进行预测和验证,结果表明本文提出的双ARMA模型预测可以显著提高风速预测准确性。 相似文献
9.
10.
11.
随着风力发电的大规模并网,由风速的波动引起的网侧不稳定现象越来越显著。为了提高风电场风速预测的精度,首先建立了ARMA模型,利用拉格朗日乘数法检验ARMA模型残差的条件异方差效应,从而建立ARMA-ARCH模型;其次建立BP神经网络预测模型;最后分别以固定权和时变权方差-协方差(MV)法将ARMA-ARCH模型和BP模型进行优选组合预测。为验证模型的适应性,分别以西班牙某风电场2016年8月和2017年1月的风速数据进行建模仿真。仿真结果表明:组合预测模型的预测结果更优,且时变权组合预测精度更高;对于单一模型来说ARMA-ARCH模型的预测精度要高于BP模型,而ARMA模型的预测精度最低。 相似文献
12.
双馈风电机组含变换器等电力电子设备,电磁暂态仿真步长小、速度慢。为实现双馈风电机组的快速电磁暂态仿真,利用开关函数平均化的思想,建立了考虑Crowbar保护电路投切、变换器闭锁暂态过程的受控源型变换器统一简化等效模型,并提出一种预测校正的调制量计算方法,基于该等效模型构建了完整的双馈风电机组快速电磁暂态仿真模型。最后,以1.5 MW双馈风力发电机组为例,基于PSCAD/EMTDC仿真软件搭建模型,从正确性、仿真步长适应性和仿真速度三方面对快速电磁暂态仿真模型进行验证。通过仿真结果比对分析,证明了该快速电磁暂态仿真模型不同应用场合的适用性。 相似文献
13.
对时序数据建模与辨识技术进行了分析,提出了使用鲁棒最小二乘支持向量机(LS-SVM)算法建立自回归移动平均(ARMA)时序预测模型。该模型是在LS-SVM的约束条件中考虑了鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到电机振动故障诊断的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报电机的振动值,从而预测电机振动故障。实验表明该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为确保电机正常运行创造了良好条件。 相似文献
14.
15.
介绍了当前风电发电电量预测的常用手段及面临的挑战,阐述了不同时间尺度下风电发电量预测的区别,将中长期发电量的预测手段和方法作为重点分析的对象,提出了基于ELSTM算法的区域性风电发电量预测方法,对其原理进行了分析.对国内云南某区域7个气象站中的气象要素数据、区域内风电场的气象要素数据及发电量数据进行算法的验证,测试过程中构建了BP-NN全参数、ELSTM全参数、BP-NN风场参数和ELSTM风场参数四种对比模型,验证了其算法的有效性,明确了该算法具备工程应用价值,并能够针对区域中长期风电发电量有效地进行预测,进而为区域性的风电大规模消纳提供良好的基础. 相似文献
16.
为了提高配电网系统的运行效率和稳定性,在建立ARMA模型的基础上,对配电网馈线负荷进行预测和分析。建立了配电网馈线负荷数据序列及ARMA模型,对馈线负荷数据序列的差分运算、标准化、自相关系数和偏相关系数进行分析,并采用ARMA模型对未来某一时间段内的配电网馈线负荷数据序列进行预测。算例结果分析表明,ARMA模型预测值与实际值相符。 相似文献
17.
光伏发电量预测是光伏并网的一项基础性工作。运用灰色模型对光伏发电量进行总体趋势的预测后,加入了加权马尔可夫链预测理论,建立了灰色-加权马尔可夫链预测模型。该模型不仅考虑了GM(1,1)模型对指数增长序列的适应性,而且考虑了发电量数据随机波动的特点,用状态转移概率矩阵来描述这种波动性。将该模型运用于合肥某光伏电站的光伏发电量预测,结果表明加权马尔可夫链与灰色模型的结合,提高了对波动性较大的发电量数据预测的精度,验证了该模型的可行性和有效性。 相似文献
18.
国内许多变电站建立了电能质量的预测与预警机制,以应对日益严重的电能质量问题,其中电压偏差最为严重。针对预测模块中电压偏差预测算法的缺失,结合配电网的运行状态,提出了一种基于ARMA-BP组合模型的电压偏差预测方法。针对单一时间序列方法的不足,将时间序列和人工神经网络的算法结合起来。通过分析上海某变电站的电压偏差数据特征,首先采用时间序列的方法建立ARMA模型。然后采用BP人工神经网络的方法对ARMA模型预测值与原始数据之间的残差值进行拟合预测,最终得到2种模型预测所得累加值的结果。研究结果表明了所提方法的有效性。 相似文献
19.
20.