基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析

基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析

ID:5388819

大小:395.24 KB

頁數(shù):6頁

時間:2017-12-08

基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析_第1頁
基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析_第2頁
基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析_第3頁
基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析_第4頁
基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析_第5頁
資源描述:

《基于高階markov鏈模型風(fēng)電功率預(yù)測性能分析》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、第4O卷第6期電力系統(tǒng)保護(hù)與控制、,01.40No.62012年3月16日PowerSystemProtectionandControlMar.16,2012基于高階Markov鏈模型的風(fēng)電功率預(yù)測性能分析周封,金麗斯,王丙全,張再利(哈爾濱理工大學(xué),黑龍江哈爾濱150080)摘要:為了提高短期風(fēng)電功率預(yù)測的精度,提出一種基于Markov鏈理論的預(yù)測算法。該算法直接對風(fēng)電功率數(shù)據(jù)進(jìn)行分析,劃分了四種狀態(tài)空間,并根據(jù)狀態(tài)空間數(shù)和建模數(shù)據(jù)量的不同分別建立一階和二階Markov鏈模型。采用新誤差公式NRMSE,給出不同狀態(tài)空間數(shù)和建模數(shù)

2、據(jù)量下的一階、二階Markov鏈模型預(yù)測性能比較結(jié)果。進(jìn)一步給出在選取相同狀態(tài)空間數(shù)、相同建模數(shù)據(jù)量的情況下,一階和二階Markov鏈模型的靈敏度分析。經(jīng)實例驗證,該算法能有效地提高單點值預(yù)測精度,并且給出了與預(yù)測值相關(guān)的概率分布結(jié)果。關(guān)鍵詞:風(fēng)電功率預(yù)測;Markov鏈;多狀態(tài)空間;高階模型Analysisofthewindpowerforecastingperformancebasedonhigh—orderMarkovchainmodelsZHOUFeng,JINLi—si,WANGBing-quan,ZHANGZai-li

3、(HarbinUniversityofScienceandTechnology,Harbin150080,China)Abstract:AforecastingalgorithmbasedonMarkovchaintheoryisproposedtoimprovetheprecisionofshort-termwindpowerforecasting.ThedataofthewindpoweroxeanalyzeddirectlyandfoBEkindsofstate.spacesareformed.Theorder.1andor

4、der-2modelsarebuiltaccordingtothenumberofstate-spaceandthedifferencesofmodelingquantities.Thecomparisonresuksbetweenorder-1andorder-2Markovmodelsunderdifferentnumbersofstate.spacesandmodelingdataalepresentedthroughthenewerrorformulaNRMSE.Andthensensitivityanalysesofor

5、der.1andorder一2Markovmodelsareprovidedbasedonthesanlenumberofstate—spacesandmodelingquantity.ExperimentalresuRsshowthattheproposedmethodcanimprovethepredictionaccuracy,anditprovidesprobabilitydistributionresultsassociatedwithpredictionvalue.Keywords:windpowerpredictio

6、n;Markovchain;multi·-statespace;high·-ordermodel中圖分類號:TM315文獻(xiàn)標(biāo)識碼:A文章編號:1674.3415(2012)06.0006.05統(tǒng)才能達(dá)到一個比較合理的預(yù)測精度。而對于超短0引言期預(yù)測,統(tǒng)計學(xué)方法則表現(xiàn)出了很好的性能[5]。例由于風(fēng)具有隨機性,所以無論是發(fā)電系統(tǒng)還是如常用的時間序列法、持續(xù)法、卡爾曼濾波法等。供電系統(tǒng)都需要風(fēng)電功率預(yù)測。風(fēng)電功率預(yù)測使安超短期預(yù)測對于風(fēng)電系統(tǒng)的每日負(fù)荷管理的決策過排發(fā)電計劃成為可能,并且使電力市場管理者能提程是足夠的。前做出相關(guān)決議,進(jìn)

7、一步使風(fēng)電系統(tǒng)有效并且成本對于采用統(tǒng)計學(xué)方法建立預(yù)測模型,直接針對合理地集成到電網(wǎng)】。此外,風(fēng)電功率預(yù)測也有助風(fēng)電功率數(shù)據(jù)建立的模型要比基于風(fēng)速數(shù)據(jù)建立的于負(fù)荷、能量存儲單元和發(fā)電機組的控制策略最優(yōu)模型精度更高。這是由于對于后者建立預(yù)測模型必化[。須有風(fēng)電場的功率曲線,而建立風(fēng)電場的功率曲線物理方法和統(tǒng)計方法是目前比較先進(jìn)的兩種風(fēng)必須同時考慮單個風(fēng)機的功率曲線,以及風(fēng)機所在電功率預(yù)測’7去l訓(xùn)。物理方法使用輸入數(shù)據(jù)和一些物位置的地理特性,風(fēng)電場塔影效應(yīng)等,再對風(fēng)速的理因素來提供未來時刻的風(fēng)電功率數(shù)據(jù)估計;統(tǒng)計預(yù)測轉(zhuǎn)換為對功率的預(yù)測

8、。而這一系列步驟的執(zhí)行,方法則是將歷史數(shù)據(jù)的變化規(guī)律同其受風(fēng)速、溫度、都無形中增加了誤差的累積。氣壓等因素的影響建立關(guān)系來進(jìn)行預(yù)測。這兩種方現(xiàn)在人們所使用的預(yù)測方法通常只提供風(fēng)電功法都可以對風(fēng)電功率進(jìn)行超短期、短期和長期預(yù)測。率的單點預(yù)測,如文獻(xiàn)【

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。