【技术实现步骤摘要】
本专利技术属于时间序列预测分析领域,涉及ー种用于风速时间序列预测的方法,特别涉及一种针对具有混沌特性的风速时间序列,通过求解最佳不稳定周期实现预测分析的方法。
技术介绍
随着全球能源紧张以及环境污染的日益严重,风能的开发利用得到各国的普遍重视,风能是ー种清洁的可再生能源,发展风カ发电成为改善能源结构、減少环境污染和保护生态环境的一种有效措施。但风速具有间歇性、随机性和不确定性的特点,这对风电并网技术提出了挑战。目前,解决风电并网的关键技术问题之一就是风速预测,有效的风速预测可使电カ调度部门及时调整调度计划,从而保证电能质量,减小系统的备用容量,降低电カ系统运行成本目前,已有的风速预测方法有持续预测法、卡尔曼滤波法、时间序列法以及神经网络方法等。持续预测法将最近一点的风速观测值作为下一点的预测值。该方法简单,是传统的预测方法,常作为其他预测方法的比较基准。卡尔曼滤波法存在动态修改预测权值的优点,依靠预测递推方程可以得到较高的精度,但建立卡尔曼状态方程和測量方程较为困难。时间序列法利用的信息量较少,模型的定阶方法指导性不强。人工神经网络对复杂非线性问题的求解十分有效,但也存在收敛速度慢,数据庞大,容易陷入局部极小值等缺陷。另夕卜,ー些研究者通过对风速时间序列的动力学特性分析发现,风速序列中往往蕴含着混沌特性。对于具有混沌特性的风速时间序列可结合相空间重构理论开展预测分析研究,但相空间重构的參数存在不易选取的问题。因此,针对风速序列自身的性质,设计一种简易可行的预测分析方法具有重要的应用价值。
技术实现思路
本专利技术所要解决的技术问题是,设计ー种风速时间序列预测 ...
【技术保护点】
【技术特征摘要】
1.一种基于不稳定周期的风速时间序列预测方法,其特征在于利用已知的具有混沌特性的风速时间序列进行相空间重构,利用互信息法确定相空间重构的延迟时间,通过求解指标函数确定最佳不稳定周期和嵌入维数,利用前一不稳定周期附近的值实现对未来时刻风速的预测...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。