ARMA 模型在风力发电数据预测中的应用与误差评估
Journal: Engineering and Management Science DOI: 10.12238/ems.v6i6.8061
Abstract
风力发电作为可再生能源的重要组成部分,在实现可持续发展和减少碳排放方面具有重要意义。然而,风力发电的随机性和波动性给电力系统的规划和运行带来了挑战。本文运用ARMA(AutoRegressive Moving Average)模型对中国的风力发电数据进行建模与预测。通过对时间序列的静态性检验和模型阶数的确定,选择了合适的ARMA模型,并利用Matlab进行参数估计。研究结果表明,ARMA模型在风力发电数据预测中具有较高的精度和可靠性,预测误差总体较小。本文还分析了模型的误差和未来的研究方向,为新能源的规划和管理提供了科学依据。
Keywords
风力发电,ARMA模型,时间序列分析,预测,误差评估
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 殷林飞,蒙雨洁.基于DenseNet卷积神经网络的短期风电预测方法[J/OL].综合智慧能源,1-9[2024-06-21].
[2] 彭嘉宁,徐鹤勇.基于随机森林和支持向量回归的风力发电预测算法[J].热能动力工程,2024,39(05):143-149.
[3] 梁昌侯,龙华,李帅,等.基于四分位-MAD和朴素贝叶斯的风电数据处理方法[J].四川大学学报(自然科学版),2024,61(03):167-177.
[4] 杨海亭,白伟,胡运冲.分布式光伏发电接入智能电网功率预测模型优化研究[J].电工电气,2024,(04):1-9.
[5] 张金良,刘子毅,孙安黎.计及误差信息的自适应超短期风速预测模型[J].太阳能学报,2024,45(03):18-28.
[6] 王永生,李海龙,关世杰,等.基于变换域分析和XGBoost算法的超短期风电功率预测模型[J/OL].高电压技术,1-12[2024-06-21].
[2] 彭嘉宁,徐鹤勇.基于随机森林和支持向量回归的风力发电预测算法[J].热能动力工程,2024,39(05):143-149.
[3] 梁昌侯,龙华,李帅,等.基于四分位-MAD和朴素贝叶斯的风电数据处理方法[J].四川大学学报(自然科学版),2024,61(03):167-177.
[4] 杨海亭,白伟,胡运冲.分布式光伏发电接入智能电网功率预测模型优化研究[J].电工电气,2024,(04):1-9.
[5] 张金良,刘子毅,孙安黎.计及误差信息的自适应超短期风速预测模型[J].太阳能学报,2024,45(03):18-28.
[6] 王永生,李海龙,关世杰,等.基于变换域分析和XGBoost算法的超短期风电功率预测模型[J/OL].高电压技术,1-12[2024-06-21].
Copyright © 2024 陈国娜, 吕政蒽, 王博
![Creative Commons License](http://licensebuttons.net/l/by-nc/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License