基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测

风电功率预测准确度的提高对提高电力系统调度效率具有重要的作用。基于对风电功率时间序列波动性的研究,推广了一种厚尾均值广义自回归条件异方差(GARCH-M)族短期风电功率预测模型,同时,基于波动补偿项的不同形式,将模型拓展为多种类型的厚尾GARCH-M模型。该类模型能够捕捉风电功率时间序列波动性与其条件均值的直接关系,并能够有效刻画具有高峰度特征的实际风电功率序列的厚尾效应,使风电预测准确度提高。结合江苏地区风电场风电功率实际数据,对所提厚尾GARCH-M模型进行了参数估计,论证了存在于风电时间序列中的GARCH-M效应和厚尾效应,给出了风电功率均值和条件方差的预测方案。算例分析结果验证了所提方法的可行性和有效性,表明了考虑厚尾特征的GARCH-M族模型短期预测效果满意。

基于SV模型的风速时间序列峰度分析

风速预测是风力发电领域的重要课题之一。风速波动剧烈,预测难度大,深入发掘风速数据波动性特征对于提高风速预测的准确性有积极意义。根据随机波动(SV)模型的峰度分析技术,研究风速时间序列的高峰度特征。基于电力系统领域对峰度的定义,理论推导并证明SV超峰度定理的衍生形式,建立适应风速预测的SV风速模型,模拟风速数据的整体峰度。在分析SV-t族模型的基础上,为选择适当的SV风速预测模型的条件分布类型提供了一种有效方案。实际风电场数据算例分析表明,该方法能有效建立高峰度特征的实际风速模型,对实际风速建模有一定的实用意义。

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARCH类负荷预测模型.利用所提出的混合信息冲击曲面,分析了不同性质的冲击和冲量对负荷时间序列波动性的影响.实际算例基于南京地区日用电量数据进行了短期负荷预测,验证了模型及方法的可行性和有效性.算例结果表明,服从广义误差分布的两重门限GARCH模型预测效果满意.

基于多重离群点平滑转换自回归模型的短期风电功率预测

基于对风电功率时间序列波动性多重机制的研究,提出一种基于多重离群点平滑转换自回归模型(M-OSTAR)的风电功率预测方法。运用一种改进条件极大似然估计方法,获得M-OSTAR模型的参数估计。考虑风电波动性的厚尾效应,将M-OSTAR模型推广为厚尾形式。进一步借助所提模型的机制转换参数,描述了风电时间序列的多重离群点效应。此外,给出了一种新型的波动性分析工具——标准信息冲击曲面,分析了风电时间序列条件方差的动态变化特征。基于实际风电数据的算例验证了基于M-OSTAR族模型预测方法的可行性与有效性。

基于不同分布下GARCH-M族模型的短期用户负荷预测

电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。

ASV-T模型研究及其在中国创业板市场中的应用

本文提出了T分布的带杠杆效应的随机波动模型,该模型同时兼顾了股票市场的杠杆效应和厚尾效应,并对模型进行了统计结构分析,证明了模型的有效性,基于贝叶斯分析,给出了对ASV-T模型的MCMC估计方法,其中对参数采取Gibbs抽样。利用该模型,通过对中国创业板指数的实证研究,证明了ASV-T模型对创业板市场的回报和波动性特征有更好的拟合效果,并且模型能够较好地描述金融数据的杠杆效应和厚尾效应。