基于小波變換的短期風速預測綜合模型的研究.pdf

1、風電作為一種清潔、無污染的新型能源受到世界各國的普遍重視,發(fā)展迅速,近年來風電并網(wǎng)容量日益增加。這對于減少化石能源消耗和排放污染意義重大,但是風電出力的不確定性和波動性也因此成為影響電力系統(tǒng)安全穩(wěn)定和經(jīng)濟高效運行的重要因素。為應對風電出力的不確定性和波動性對電網(wǎng)運行的影響,必須準確預測風電功率,而準確的風速預測則是準確預測風電功率的基礎和前提。
　　本文針對風速序列的非平穩(wěn)性、非線性和波動性特點,系統(tǒng)地研究了歷史風速序列的預處理方

2、法。利用小波變換作為時頻局部化和多分辨特性分析的工具,對風速信息成分進行逐漸精細的時域與頻域處理,達到了平滑原始風速時間序列以及有效地挖掘歷史風速數(shù)據(jù)特性的目的,得到了表征風速序列內在特性不同頻段上的概貌風速與細節(jié)風速。
　　提出了一種將自回歸滑動平均模型與自回歸異方差以及一般自回歸異方差模型相結合的短期風速預測方法。首先根據(jù)各子序列的不同特點,分別建立相應的自回歸滑動平均主模型。由于傳統(tǒng)的自回歸滑動平均模型(Aulo Regre

3、ssive andMoving Average Model,ARMA)一般只是注重于關注時間序列的一階矩,很少顧及時間序列的二階矩,從而未對殘差序列作進一步分析研究,存在著異方差的隱患,本文通過對風速序列主模型的殘差序列進行自相關的拉格朗日乘數(shù)檢驗(LM檢驗),檢驗各子序列是否存在未被利用的有用信息;對于異方差檢驗顯著的子序列,采用自回歸異方差模型和一般自回歸異方差模型進行改進——分別建立與各子序列相匹配的風速預測綜合模型ARMA-AR