基于灰色残差马尔科夫模型的短期风速预测

doi:10.16628/j.cnki.2095-8188.2022.12.012

电器与能效管理技术 ›› 2022, Vol. 0 ›› Issue (12): 78-82.doi: 10.16628/j.cnki.2095-8188.2022.12.012

• 分布式电源及并网技术 • 上一篇

基于灰色残差马尔科夫模型的短期风速预测

王金辉, 王娟娟

大连交通大学自动化与电气工程学院, 辽宁大连 116028

收稿日期:2022-05-16 出版日期:2022-12-30 发布日期:2023-01-16
作者简介:王金辉(1998—),男,硕士研究生,研究方向为风速与风电功率预测。|王娟娟(1978—),女,副教授,博士,研究方向为电力系统频率调节。

Prediction of Short Term Wind Speed Based on Grey Residual Marko Model

WANG Jinhui, WANG Juanjuan

College of Electrical and Information Engineering,Dalian Jiaotong University, Dalian 116028, China

Received:2022-05-16 Online:2022-12-30 Published:2023-01-16

摘要/Abstract

摘要：

在灰色系统理论的基础上,对GM(1,1)预测模型进行改进与提升,形成了灰色残差模型。通过马尔可夫预测思想对灰色残差预测模型进行改进,并将改进模型应用于风电场短期风速预测中。通过建模与仿真,将模型运用于文献[1],预测结果证明了所提方法的有效性。改进预测模型精度较高,比传统灰色模型预测效果好,为风速预测提供了一个简便而又精准的新方法。

关键词: 灰色残差模型, 马尔科夫过程, 风速预测, 误差分析

Abstract:

On the basis of grey system theory,the GM(1,1) prediction model is improved and promoted to form the grey residual model.The grey residual prediction model is improved by Markov prediction idea,and the improved model is applied to the short-term wind speed prediction of wind farms.Through modeling and simulation,the model is applied to literature [1],and the prediction results prove the effectiveness of the proposed method.The improved prediction model has higher accuracy and better prediction effect than the traditional grey model,which provides asimple and accurate new method for wind speed prediction.

Key words: grey residual prediction model, Markov process, wind speed prediction, error analysis

中图分类号:

TM614

王金辉, 王娟娟. 基于灰色残差马尔科夫模型的短期风速预测[J]. 电器与能效管理技术, 2022, 0(12): 78-82.

WANG Jinhui, WANG Juanjuan. Prediction of Short Term Wind Speed Based on Grey Residual Marko Model[J]. LOW VOLTAGE APPARATUS, 2022, 0(12): 78-82.

图/表 8

图1

图2

表1

图3

图4

表2

表3

表4

参考文献 11

[1]	靳小钊, 王娟娟, 赵闻蕾. 基于灰色系统GM(1,1)模型的短期风速预测算法[J]. 化工自动化及仪表, 2015(11):89-91.
[2]	张立欣, 丛申, 范振岐. 基于ARIMA乘积季节模型对阿拉尔市风速变化的分析[J]. 数学的实践与认识, 2017, 47(23):157-163.
[3]	李志鹏, 陈堂贤. 基于变分模态分解和改进鲸鱼算法优化的神经网络风速预测模型[J]. 电器与能效管理技术, 2019(11):24-31.
[4]	赵静, 万瑞妮, 郭敏, 等. 电池储能系统在并网风电场运行中的协调控制研究[J]. 电器与能效管理技术, 2020(10):71-76.
[5]	贾星蓓. 基于多代理系统的微电网能量管理策略的研究[D]. 秦皇岛: 燕山大学, 2016.
[6]	靳小钊, 王娟娟, 赵闻蕾. 基于GM(2,1)模型的风速预测研究[J]. 电器与能效管理技术, 2015(13):39-41,49.
[7]	靳小钊, 王娟娟, 赵闻蕾. 基于GM(1,1)模型与灰色verhulst模型的风速预测[J]. 电器与能效管理技术, 2015(4):46-48.
[8]	黄海宏, 颜碧琛, 王海欣. 改进灰色GM(1,1)模型的EAST快控电源输出电流预测[J]. 电子测量与仪器学报, 2021, 35(5):128-136.
[9]	张天云, 陈奎, 胡玉霞, 等. 残差灰色预测模型在塑料老化行为预测中的应用[J]. 现代化工, 2013, 33(5):119-121,123.
[10]	卢传泽. 双目立体视觉三维信息获取技术研究[D]. 广州: 广东工业大学, 2013.
[11]	殷勤, 缪继东, 张晓明, 等. 基于马尔科夫链蒙特卡洛的台区可靠性评估方法[J]. 电工电气, 2021(5):7-15.

时刻	x⁽⁰⁾(t)	x⁽¹⁾(t)
8∶00	1.441 7	1.441 7
8∶10	1.650 0	3.091 7
8∶20	1.876 7	4.968 4
8∶30	2.405 0	7.373 4
8∶40	3.076 7	10.450 1
8∶50	3.601 7	14.051 8
9∶00	4.143 3	18.195 1

序号	时刻	初始风速/ (m·s^-1)	灰色GM(1,1)模型				灰色残差马尔科夫模型
			预测风速/(m·s^-1)		相对误差/%		预测风速/(m·s^-1)		相对误差/%
1	8∶00	1.441 7	1.441 7	0.00		1.441 7		0.00
2	8∶10	1.650 0	1.658 3	0.50		1.650 0		0.00
3	8∶20	1.876 7	2.000 3	6.59		1.908 0		1.67
4	8∶30	2.405 0	2.412 9	0.33		2.318 7		3.59
5	8∶40	3.076 7	2.910 5	5.40		3.006 5		2.28
6	8∶50	3.601 7	3.510 8	2.52		3.608 6		0.19
7	9∶00	4.143 3	4.234 8	2.21		4.135 0		0.20

时刻	灰色GM(1,1)模型预测风速/(m·s^-1)	灰色残差马尔科夫模型预测风速/(m·s^-1)
9∶10	5.108 2	5.006 4
9∶20	6.161 6	6.057 9
9∶30	7.432 4	7.326 7

时刻	灰色GM(1,1)模型相对误差/%	灰色残差马尔科夫模型相对误差/%
9∶10	12.02	9.79
9∶20	21.29	19.25
9∶30	30.55	28.69

基于灰色残差马尔科夫模型的短期风速预测

Prediction of Short Term Wind Speed Based on Grey Residual Marko Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 11

相关文章 1

编辑推荐

Metrics

本文评价