基于DCC-GARCH的海上风电场出力空间相关性分析及预测

多座海上风电场出力之间存在一定的空间相关性,构建合适的风电出力相关性模型有助于提高风电出力的预测精度。针对空间相关性具有时变特性以及难以描述和衡量,提出基于动态条件相关广义自回归条件异方差(DCC-GARCH)模型的海上风电场出力相关性模型。利用多维正态分布和DCC-GARCH模型拟合多风电场的皮尔森相关系数,求解随时间变化的风电场出力空间相关系数,在准确表征空间相关性大小的同时体现空间相关性的时序变化特征。基于DCC-GARCH模型建立多座风电场出力动态空间相关性短期预测模型。基于江苏省盐城市海上风电场数据进行算例分析,结果验证了所提方法的合理性和有效性。

风电预测方法与新趋势综述

风力发电作为一种技术成熟、规模较大的新能源发电形式,目前在世界各国得到了广泛应用和发展。风电具有不确定性的特点,必须对其进行准确的预测才能保证并网后电力系统的正常运行。针对风电预测的传统方法和新的研究趋势开展了综述。首先对物理方法、时间序列方法、人工智能方法和组合方法进行了总结,然后针对目前风电预测的几个重要的发展方向:空间相关性预测、集群预测、不确定性预测和爬坡预测的研究进展进行了重点阐述。对现有的风电功率预测方法进行综述后,进一步对这一领域的研究方向进行了展望。

一种改进的变结构混沌序列性能分析

自提出了基于广义混沌映射切换的混沌同步保密通信方法以来,这种通过混沌映射切换来改变混沌系统结构,以此产生伪随机序列的方法被频繁引用.但这种方法产生的序列的综合性能却一直未能得到有力的证明,而且尚存在不能充分保证序列周期足够长的致命弱点.本文对这种变结构混沌序列产生方法作了动力学分析,并通过数值仿真对该方法产生的序列做了统计性能分析和抗预测性能研究.为了解决周期问题,本文在变结构混沌序列基础上引入了m序列扰动.结果表明:这种改进的变结构混沌序列具有典型的混沌特性,而且产生序列的周期,相空间分布,线性复杂度,相关性以及抗预测性等方面的性能明显优于基于单一混沌系统的序列.