一种基于GARCH模型的风速预测残差修正方法技术

本发明专利技术公开了一种基于GARCH模型的风速预测残差修正方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，其技术方案是，采用GARCH模型对原始风速序列进行预测，对GARCH模型拟合后的残差建立回归模型，并将该回归模型用于后面残差的预测，最后用该预测值对GARCH模型初步预测的结果进行修正。实验结果表明，本发明专利技术要优于单纯传统ARMA的预测方法以及BP神经网络模型的预测方法，并且具有更高的预测精度。

An error correction method for wind speed prediction based on GARCH model

The invention discloses a residual correction method of wind speed prediction based on GARCH model, which belongs to the technical field of power transmission and distribution, the goal is to improve the original wind speed forecasting method, improving forecasting precision, the technical scheme is that the GARCH model is used to predict the original wind speed sequence, the establishment of regression model on the residual GARCH model fitting, and the regression model for predicting residual behind, finally corrected by the predictive value of initial forecast for the results of the GARCH model. The experimental results show that the proposed method is better than the traditional ARMA prediction method and the BP neural network model, and has higher prediction accuracy.

【技术实现步骤摘要】

本专利技术涉及一种能够精确预测风速大小进而预测风电场功率的方法，属于输配电
，具体涉及一种基于GARCH模型的风速预测残差修正方法。
技术介绍
能源是各国发展不可或缺的基本要素之一，而随着全球经济的快速发展，对能源的需求也日益增加。但是传统的化石能源储量有限，具有不可再生性，一旦枯竭人类发展将面临巨大危机；另一方面化石能源燃烧释放SO2等对环境有害的气体，还会释放二氧化碳等温室气体导致全球气候变暖，因此各国都意识到摆脱对化石能源的依赖发展新能源是人类持续发展的必要选择。经过几十年发展，风力发电已成为国际上公认的技术最成熟、开发成本最低、最具发展前景的可再生能源之一，逐渐成为各国着重发展的对象。近年来为了巩固风电的发展，提高风电的竞争力，各国各地区都面临一系列政策的转变。Navigantresearch发布报告称，未来5～6年，风能将以不容小觑的投资额，成为全球最具代表性的能源产业。2000-2015年，全球风电装机容量从17.4GW发展到432.9GW，增加约23倍。2015年国内风电新增装机容量达到30.5GW，创出新高并且连续六年领跑全球。据国家能源局的规划，2016年全国风电开发建设总规模30.8GW，略高于2015年的规模，预计风电行业将依然维持高景气度。但由于风速具有间歇性和波动性，使得大容量的风电接入电网会对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战。因此，准确的预测未来风速大小对电力部门合理安排调度计划，减小瞬间极大风速对发电机组造成的冲击损害具有十分重要的意义，并在一定程度上促进了风电的进一步发展，提高风电的市场竞争力。专利
技术实现思路
本专利技术所要解决的技术问题是提供一种基于GARCH模型的风速预测残差修正方法，旨在为了供消平衡减少弃风现象，获取准确的预测风速至关重要。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于GARCH模型的风速预测残差修正方法，其特征在于：收集待预测风电场历史风速数据，并将其预处理拟合为历史风速序列yt-1，然后将历史风速序列yt-1拟合为GARCH模型并对风速进行预测，将以时间序列为基础预测得到的风速预测数据y't拟合为预测风速序列根据历史风速序列yt-1与预测风速序列获得GARCH模型的拟合残差序列并对GARCH模型的拟合残差序列建立回归模型，预测GARCH模型的残差序列预测值最后用GARCH模型的拟合残差序列预测值修正GARCH模型的预测结果得到待预测风电场预测结果修正值即进一步的技术方案在于，将得到的待预测风电场预测结果修正值作为风速预测数据y't，将待预测风电场t时间的风速数据预处理作为历史风速序列的一部分，进而获得t+1时间的风速预测结果修正值进一步的技术方案在于，所述GARCH模型为yt＝xtβ+εt(1)残差随机过程{εt本文档来自技高网...

【技术保护点】
一种基于GARCH模型的风速预测残差修正方法，其特征在于：收集待预测风电场历史风速数据，并将其预处理拟合为，然后将历史风速序列yt‑1拟合为GARCH模型并对风速进行预测，将以时间序列为基础预测得到的风速预测数据y't拟合为预测风速序列根据历史风速序列yt‑1与预测风速序列获得GARCH模型的拟合残差序列并对GARCH模型的拟合残差序列建立回归模型，预测GARCH模型的残差序列预测值最后用GARCH模型的拟合残差序列预测值修正GARCH模型的预测结果得到待预测风电场预测结果修正值即

【技术特征摘要】
1.一种基于GARCH模型的风速预测残差修正方法，其特征在于：收集待预测风电场历史风速数据，并将其预处理拟合为，然后将历史风速序列yt-1拟合为GARCH模型并对风速进行预测，将以时间序列为基础预测得到的风速预测数据y't拟合为预测风速序列根据历史风速序列yt-1与预测风速序列获得GARCH模型的拟合残差序列并对GARCH模型的拟合残差序列建立回归模型，预测GARCH模型的残差序列预测值最后用GARCH模型的拟合残差序列预测值修正G...

【专利技术属性】
技术研发人员：赵征，王晓亮，汪向硕，张亚刚，勾海芝，杨蕃，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13