不同时间分辨率的风功率时间序列ARIMA模型预测

被引:14
作者
张立栋 [1 ]
李继影 [2 ]
吴颖 [3 ]
余侃胜 [4 ]
朱明亮 [5 ]
迟俊宇 [6 ]
机构
[1] 东北电力大学能源与动力工程学院
[2] 中广核风电有限公司辽宁分公司
[3] 国网江西省电力公司检修分公司
[4] 国网江西省电力科学研究院
[5] 吉林省东能电力工程有限公司
[6] 宾县大个岭风力发电有限公司
关键词
时间分辨率; 风电场; ARIMA; 功率预测;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
以某风电场同一风力机为研究对象,采用自回归积分滑动平均模型(ARIMA)对5种时间分辨率实际输出功率的时间序列进行预测研究。结果表明:风功率时间序列某些明显的特征点,随着时间分辨率的减小而越来越少直至消失;对预测结果采用平均绝对误差分析,得出随着时间分辨率增大,ARIMA模型预测绝对误差呈现逐渐减小的趋势,1 min的时间分辨率误差最小。
引用
收藏
页码:176 / 180
页数:5
相关论文
共 20 条
[1]  
Analytical Fitting Functions of Finite Sample Discrete Entropies of White Gaussian Noise[J]. 杨正瓴,冯勇,熊定方,陈曦,张军.Transactions of Tianjin University. 2015(04)
[2]   数据分辨率影响风电功率预测精度分析 [J].
徐茂峻 ;
雷阳 ;
王文海 ;
段建东 .
电网与清洁能源, 2015, 31 (04) :95-99+105
[3]   关于短期及超短期风电功率预测的评述 [J].
薛禹胜 ;
郁琛 ;
赵俊华 ;
Kang LI ;
Xueqin LIU ;
Qiuwei WU ;
Guangya YANG .
电力系统自动化, 2015, 39 (06) :141-151
[4]   基于季风特性改进风电功率预测的研究展望 [J].
杨正瓴 ;
冯勇 ;
熊定方 ;
杨钊 ;
张玺 ;
张军 .
智能电网, 2015, 3 (01) :1-7
[5]   关于风电不确定性对电力系统影响的评述 [J].
薛禹胜 ;
雷兴 ;
薛峰 ;
郁琛 ;
董朝阳 ;
文福拴 ;
鞠平 .
中国电机工程学报, 2014, 34 (29) :5029-5040
[6]   基于掩模经验模态分解的风速组合预测模型 [J].
张娜 ;
王守相 ;
王亚旻 .
中国电力, 2014, (05) :129-135
[7]   基于改进PSO的SVM参数优化及其在风速预测中的应用 [J].
祝晓燕 ;
张金会 ;
付士鹏 ;
朱霄珣 .
中国电力, 2013, (11) :105-108
[8]   京津唐电网风电场群发电功率短期预测 [J].
田超 ;
陈颖 ;
张贲 ;
张涛 ;
王知嘉 .
中国电力, 2013, 46 (09) :65-70
[9]   短期风电功率预测误差分布研究 [J].
刘立阳 ;
吴军基 ;
孟绍良 .
电力系统保护与控制, 2013, 41 (12) :65-70
[10]   基于符号时间序列法的风电功率波动分析与预测 [J].
南晓强 ;
李群湛 ;
邱大强 .
中国电力, 2013, (06) :75-79