组合权重相似日选取方法及光伏输出功率预测

提出一种光伏功率预测方法,该方法利用相似变量的基值点误差,采用组合权重法求取相似误差,确定相似日,然后将相似日的输出功率按不同权重系数加权得到预测功率。根据最小鉴别信息原理,将主观权重和客观熵权有效融合获得相似日选取的组合权重系数,功率权重系数按相似性指标生成。某光伏电站实测数据算例仿真表明,所提方法可选出相似度高的相似日,提高了光伏输出功率的预测精度。

相似的未来与未来的相似——对相似性原理运用于社会预测的思考

天地万物间的事物虽各不相同,但总有相似之处。因此人们利用这种事物之间的相似性,通过已知事物的历史和现状,来推断其他事物的“相似的未来”。这种推断,在自然领域曾经屡试不爽,但是在社会领域,虽然社会历史有时会有“惊人的相似”,但就总体而言,“未来的相似”却大打折扣,因为社会历史不会简单的重复。那么,相似性原理能否应用于社会预测?如果能够,它会有哪些局限性?这就是本文所要探讨的问题。

综合混沌相空间重构与相似性原理的铁路客流量预测

重构相空间理论对我国铁路客流量数据时间序列进行相空间重构,通过计算分形维数和提取最大Lyapunov指数,分析得出了铁路客流量时间序列数据的演化具有混沌特征,结合我国铁路客流量在全年中的波动特点,提出适合我国国情的综合混沌相空间重构与相似性原理的铁路客流量预测算法.该算法能自动参考过去相似年度同期的客流量变化趋势,对预测值进行智能化调整.通过以某火车站客流量为预测对象进行验证,结果证明了该预测算法的准确性和实用性.

基于相似日和小波神经网络的光伏短期功率预测

光伏发电功率预测对电网的稳定性和安全性具有十分重要的意义.提出了基于相似日和小波神经网络的预测方法,根据相似日理论通过灰色关联系数法选取历史相似日,将选取的6个相似日的发电数据作为模型的输入变量,同BP神经网络、小波神经网络的预测结果进行对比和误差分析.以某光伏电站历史发电数据为例,验证算法的可行性.

基于统计聚类与时序分析的风电场短期风速预测模型

在时间序列预测法的基础上,运用统计聚类分析的方法对历史风速数据进行预处理,综合考虑了气象因素对风速的影响。根据预测日的平均风速、最大和最小风速、风向及温度等特征参数,按照相似性最大的原则,选择合适的风速数据作为预测建模用的训练样本。与未经预处理的数据所建立的模型相比,预测精度得到了显著提高,并验证了采用统计聚类分析来预处理数据的正确性,为更精确地预测风电功率提供了条件。