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)【
