基于小波变换的短期风速预测综合模型的研究

摘要

风电作为一种清洁、无污染的新型能源受到世界各国的普遍重视,发展迅速,近年来风电并网容量日益增加。这对于减少化石能源消耗和排放污染意义重大,但是风电出力的不确定性和波动性也因此成为影响电力系统安全稳定和经济高效运行的重要因素。为应对风电出力的不确定性和波动性对电网运行的影响,必须准确预测风电功率,而准确的风速预测则是准确预测风电功率的基础和前提。
　　本文针对风速序列的非平稳性、非线性和波动性特点,系统地研究了历史风速序列的预处理方法。利用小波变换作为时频局部化和多分辨特性分析的工具,对风速信息成分进行逐渐精细的时域与频域处理,达到了平滑原始风速时间序列以及有效地挖掘历史风速数据特性的目的,得到了表征风速序列内在特性不同频段上的概貌风速与细节风速。
　　提出了一种将自回归滑动平均模型与自回归异方差以及一般自回归异方差模型相结合的短期风速预测方法。首先根据各子序列的不同特点,分别建立相应的自回归滑动平均主模型。由于传统的自回归滑动平均模型(Aulo Regressive andMoving Average Model,ARMA)一般只是注重于关注时间序列的一阶矩,很少顾及时间序列的二阶矩,从而未对残差序列作进一步分析研究,存在着异方差的隐患,本文通过对风速序列主模型的残差序列进行自相关的拉格朗日乘数检验(LM检验),检验各子序列是否存在未被利用的有用信息;对于异方差检验显著的子序列,采用自回归异方差模型和一般自回归异方差模型进行改进——分别建立与各子序列相匹配的风速预测综合模型ARMA-ARCH和ARMA-GARCH,其余子序列采用ARMA模型。通过对实测风速序列的未来1小时平均风速预测实例检验,验证了本文所提出的预测方法能够更好地拟合风速变化规律,有效地提高了预测精度。

目录

文摘

英文文摘

第1章 绪论

1.1 课题研究背景和意义

1.2 风速预测的研究现状

1.3 风电功率的预测

1.4 论文的主要工作

第2章 小波分析原理及其在风速预测中的应用

2.1 小波分析概论及发展应用

2.2 小波及小波变换原理

2.2.1 连续小波变换

2.2.2 离散小波变换

2.2.3 小波重构

2.3 二进正交小波变换Mallat算法原理

2.4 内蒙古某地区小时平均风速序列的小波分解

2.5 本章小结

第3章 风速的时间序列特性

3.1 平稳时间序列及其模型

3.2 非平稳时间序列及其模型

3.3 风速时间序列建模

3.3.1 模型定阶

3.3.2 模型估计

3.3.3 模型检验

3.3.4 滚动时间序列法预测

3.4 ARIMA模型建立步骤

3.5 实例

3.6 本章小结

第4章 基于小波变换的风速预测模型

4.1 自回归条件异方差模型

4.2 广义自回归异方差模型

4.3 ARCH效应检验

4.4 ARMA-GARCH模型

4.4.1 ARMA-GARCH具体形式

4.4.2 ARMA-GARCH模型的参数估计

4.4.3 ARMA-GARCH模型的建模步骤

4.5 基于小波变换的短期风速预测

4.5.1 综合建模思想

4.5.2 风速预测建模步骤

4.6 实例分析

4.7 利用概貌序列建立模型进行预测

4.7.1 概貌风速序列的建模

4.7.2 利用概貌风速序列进行预测

4.8 细节风速序列的预测

4.8.1 细节风速序列d3的建模

4.8.2 细节风速序列d3的预测

4.8.3 细节风速d2序列的建模

4.8.4 细节风速d1序列的建模

4.9 综合预测结果

4.10 本章小结

结论

参考文献

致谢

附录A 攻读学位期间所发表的学术成果目录

附录B 攻读学位期间参与的科研项目