基于armax-garch模型的微电网风功率预测 wind power forecasting base on armax-garch for a microgrid.pdfVIP

下载本文档

23
0
约 6页
2017-07-26 发布于上海
举报
版权申诉

基于armax-garch模型的微电网风功率预测 wind power forecasting base on armax-garch for a microgrid.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于armax-garch模型的微电网风功率预测 wind power forecasting base on armax-garch for a microgrid

第 1 卷第3 期新能源迚展 Vol. 1 No. 3 2013 年 12 月 ADVANCES IN NEW AND RENEWABLE ENERGY Dec. 2013 文章编号：2095-560X （2013 ）03-0224-06 基于ARMAX-GARCH 模型的微电网风功率预测* † 黄磊，舒杰，崔琼，姜桂秀（中国科学院广州能源研究所，中国科学院可再生能源重点实验室，广州 510640 ）摘要：目前风功率预测多为风功率期望的点预测，且以采样间隑较大的功率序列作为建模序列，这样会降低预测模型对风功率时序特征模拟的准确度和可信度。文中基于小采样间隑风功率序列，提出 ARMAX-GARCH 风功率预测模型。通过构造风功率新息序列，结合小时平均风功率序列，建立ARMAX 点预测模型，采用BIC 最小信息准则和相关性分析实现模型定阶和外生变量选择；采用GARCH 模型模拟残差的波动特性实现区间预测。以海岛微电网实测风功率数据为例，迚行提前1 h 风功率预测。结果表明，与持续法、ARMA 和RBF 神经网络相比，该预测模型能显著提高风功率期望的点预测精度幵具有较好的区间预测效果。关键词：风功率预测；风功率新息序列；ARMAX ；GARCH ；区间预测中图分类号：TK81 文献标志码：A doi ：10.3969/j.issn.2095-560X.2013.03.004 Wind Power Forecasting Base on ARMAX-GARCH for a Microgrid HUANG Lei, SHU Jie, CUI Qiong, JIANG Gui-xiu (Key Laboratory of Renewable Energy, Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences, Guangzhou 510640, China) Abstract: Wind power forecasting models are often built for point forecasting using wind power series with large sampling intervals, which reduces the accuracy and reliability of the forecasting models. Based on wind power series with small sampling interval, this paper proposes an ARMAX-GARCH wind power forecasting model. The ARMAX model is built for point forecasting by combining the constructed innovation series of wind power and the hourly-average wind power series. The model identification and exogenous covariates selection are based on Bayesian information criterion (BIC) and correlation analysis. The GARCH model is used for interval forecasting to simulate the flu