基于ARIMA模型的自动站风速预测

对风速预测进行了研究,提出了基于ARIMA模型的风速预测模型,为了检验ARIMA模型的有效性,综合考虑可决系数和AIC(最小信息量)准则,利用历史150天数据进行ARIMA建模,对某自动站后一天的风速进行预测,经过多次仿真计算,结果表明该方法是有效的.

基于时间序列的风速和风功率预测

短期的风速和风功率预测对风场的运行及并网发电是非常重要的。采用时间序列方法,通过Matlab编程,建立了ARIMA和SARIMA预测模型对24小时后的平均风速和风功率进行预测。最后,对两个预测模型的结果作了对比分析。结果表明SARIMA模型的预测结果是好于ARIMA模型。

基于ARIMA模型误差修正的小波神经网络风速短期预测

风电场风速短期预测对于风力发电具有重要意义。本文首先根据国家标准《风电场风能资源评估方法》推荐的方法对风速数据进行预处理,修正不合理的数据以及插补丢失的数据:接着运用小波神经网络对预处理之后的数据进行预测,并对预测之后的残差形成的随机序列建立ARIMA误差预测模型,最后用预测的误差来修正风速预测结果。将以上方法用于某小型风电场实测数据,并将运算结果与小波神经网络的预测进行比较,MAPE降低了46.97%,结果表明基于ARIMA模型误差修正的小波神经网络明显改善了风速预测的精度,可有效应用于短期风速预测。