• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于統(tǒng)計(jì)聚類與時(shí)序分析的風(fēng)電場短期風(fēng)速預(yù)測模型

    2014-09-14 09:13:54陳勤勤陳國初
    關(guān)鍵詞:風(fēng)電場差分風(fēng)速

    陳勤勤, 陳國初

    (上海電機(jī)學(xué)院 電氣學(xué)院, 上海 200240)

    基于統(tǒng)計(jì)聚類與時(shí)序分析的風(fēng)電場短期風(fēng)速預(yù)測模型

    陳勤勤, 陳國初

    (上海電機(jī)學(xué)院 電氣學(xué)院, 上海 200240)

    在時(shí)間序列預(yù)測法的基礎(chǔ)上,運(yùn)用統(tǒng)計(jì)聚類分析的方法對(duì)歷史風(fēng)速數(shù)據(jù)進(jìn)行預(yù)處理,綜合考慮了氣象因素對(duì)風(fēng)速的影響。根據(jù)預(yù)測日的平均風(fēng)速、最大和最小風(fēng)速、風(fēng)向及溫度等特征參數(shù),按照相似性最大的原則,選擇合適的風(fēng)速數(shù)據(jù)作為預(yù)測建模用的訓(xùn)練樣本。與未經(jīng)預(yù)處理的數(shù)據(jù)所建立的模型相比,預(yù)測精度得到了顯著提高,并驗(yàn)證了采用統(tǒng)計(jì)聚類分析來預(yù)處理數(shù)據(jù)的正確性,為更精確地預(yù)測風(fēng)電功率提供了條件。

    風(fēng)速預(yù)測; 時(shí)間序列分析; 統(tǒng)計(jì)聚類分析; 相似性原則; 預(yù)測精度

    目前,全球能源危機(jī)日益加劇,而常規(guī)能源難解燃眉之急,故人們對(duì)可再生能源開發(fā)、利用的研究越來越重視。風(fēng)能作為一種新的自然能源,具有蘊(yùn)量巨大、可再生性和無污染等優(yōu)點(diǎn),故風(fēng)力發(fā)電日益受到世界各國的重視。風(fēng)電場輸出的發(fā)電功率與其風(fēng)速有很大關(guān)系,具有很強(qiáng)的波動(dòng)性和隨機(jī)性。隨著我國風(fēng)力發(fā)電機(jī)組裝機(jī)容量的增加,風(fēng)電接入電網(wǎng)后對(duì)電網(wǎng)的穩(wěn)定性和頻率影響不斷增大,故準(zhǔn)確預(yù)測風(fēng)電場風(fēng)速,對(duì)于電力部門及時(shí)調(diào)整調(diào)度計(jì)劃、衡量風(fēng)電場容量的可信度,進(jìn)而確定合適的風(fēng)電上網(wǎng)價(jià)格,具有重要的現(xiàn)實(shí)意義。同時(shí),準(zhǔn)確預(yù)測風(fēng)電場的風(fēng)速及功率,也是緩解電力系統(tǒng)調(diào)峰、調(diào)頻壓力,提高風(fēng)電接納能力的有效方法之一[1-2]。

    目前,風(fēng)電場風(fēng)速預(yù)測多采用組合預(yù)測模型,依賴于單一預(yù)測模型的精度和組合的算法,預(yù)測精度較高,故單一預(yù)測方法依然是風(fēng)速預(yù)測研究的基礎(chǔ)和重點(diǎn)。風(fēng)速預(yù)測的單一方法有很多,包括時(shí)間序列法[3-4]、卡爾曼濾波法(Kalman-filter)[5-6]、人工神經(jīng)網(wǎng)絡(luò)法(Artificial Neural Network, ANN)[7]、小波分析法(Wavelet Analysis)[8-9]、模糊邏輯法(Fuzzy Logic)[10]、支持向量機(jī)(Support Vector Machine, SVM)[11],它們預(yù)測的相對(duì)誤差為25%~40%[12]。由于時(shí)間序列預(yù)測法僅需要風(fēng)電場單一的風(fēng)速數(shù)據(jù)就可以對(duì)不平穩(wěn)的時(shí)間序列進(jìn)行建模,故該方法簡單易行,且預(yù)測效果顯著,在風(fēng)電場風(fēng)速和發(fā)電功率的預(yù)測中應(yīng)用廣泛。

    利用時(shí)間序列預(yù)測法預(yù)測風(fēng)速需要總結(jié)與歸納大量的歷史數(shù)據(jù)得出反映其變化規(guī)律的數(shù)學(xué)表達(dá)式,進(jìn)而建立起預(yù)測模型來進(jìn)行預(yù)測,故輸入的歷史數(shù)據(jù)對(duì)預(yù)測模型的建立及參數(shù)的選取有很大的影響。因此,合理地選擇輸入樣本,可以有效地提高預(yù)測模型的精度。

    基于上述分析,本文運(yùn)用統(tǒng)計(jì)聚類分析方法,對(duì)歷史日的風(fēng)速數(shù)據(jù)進(jìn)行分類篩選;利用預(yù)測日已有的風(fēng)速特征數(shù)據(jù)以及數(shù)值天氣數(shù)據(jù),按照相似性最大的原則,選擇與預(yù)測日相似性最大的那組數(shù)據(jù)作為預(yù)測建模的訓(xùn)練樣本,進(jìn)而對(duì)待測日風(fēng)速進(jìn)行預(yù)測;并將預(yù)測結(jié)果與未運(yùn)用聚類分析篩選的數(shù)據(jù)、未考慮數(shù)值天氣因素的預(yù)測結(jié)果進(jìn)行比較,最終給出最合適的風(fēng)速預(yù)測方案。

    1 風(fēng)速預(yù)測模型

    1.1風(fēng)速數(shù)據(jù)的聚類分析

    統(tǒng)計(jì)聚類是聚類分析中較為常用的一種方法。它主要依據(jù)樣本之間不同程度的相似性將樣本劃分為不同的類別,其中將相似程度較大的樣本聚為一類。

    距離判據(jù)和相似系數(shù)是衡量相似性程度的兩種主要方法[11]。對(duì)于數(shù)值型數(shù)據(jù)通常使用距離判據(jù),距離越接近零,則相似性越大。

    假設(shè)每個(gè)樣本有m個(gè)指標(biāo)特征,則歐式距離可定義為[13]

    (1)

    式中,xjl和xil分別為第j、i個(gè)樣本的第l個(gè)指標(biāo)值。

    本文將統(tǒng)計(jì)聚類分析與時(shí)間序列法相結(jié)合,通過統(tǒng)計(jì)聚類分析對(duì)原數(shù)據(jù)進(jìn)行篩選,選出與待測日的風(fēng)速特征因素相類似的歷史日的風(fēng)速數(shù)據(jù),將它們作為預(yù)測建模用的樣本,利用氣象部門提供的預(yù)測日的平均風(fēng)速、最大和最小風(fēng)速、風(fēng)向以及溫度的信息作為預(yù)測日的特征參數(shù),利用距離判據(jù)(歐氏距離)作為相似性度量來預(yù)測風(fēng)速。

    1.2時(shí)間序列法建模

    時(shí)間序列模型可分為自回歸(Auto Regressive, AR)模型、滑動(dòng)平均(Moving Average, MA)模型、自回歸滑動(dòng)平均模型(Auto Regressive Moving Average, ARMA)和累積式自回歸滑動(dòng)平均(Auto-Regressive Intergrated Moving Aver-eage, ARIMA)模型等。其中,AR模型描述的是系統(tǒng)對(duì)過去自身狀態(tài)的記憶;MA模型描述的是系統(tǒng)對(duì)過去時(shí)刻進(jìn)入系統(tǒng)的噪聲的記憶;而ARMA模型則是系統(tǒng)對(duì)過去自身狀態(tài)以及各時(shí)刻進(jìn)入的噪聲的記憶,是AR和MA模型的結(jié)合。ARIMA模型主要用來描述非平穩(wěn)時(shí)間序列。而ARMA、AR、MA模型主要用來描述平穩(wěn)時(shí)間序列。對(duì)于非平穩(wěn)ARIMA模型可以通過差分后轉(zhuǎn)化為平穩(wěn)模型來處理。

    由于風(fēng)速數(shù)據(jù)是非平穩(wěn)時(shí)間序列,故本文先建立ARIMA模型,然后對(duì)其進(jìn)行平穩(wěn)化處理后,轉(zhuǎn)化為AR、MR、ARMR模型來處理。

    1.2.1 模型描述 時(shí)間序列模型簡稱B-J法[14]。設(shè){y1,y2,…,yt,…}是零均值平穩(wěn)序列,滿足

    yt-φ1yt-1-…-φpyt-p=
    εt-θ1εt-1-…-θqεt-q

    (2)

    式中,t為時(shí)間;φ1,φ2,…,φp和θ1,θ2,…,θq均為常數(shù);干擾項(xiàng){εt}為零均值、方差為σ2ε的平穩(wěn)白噪聲序列;{yt}為階數(shù)為p、q的自回歸滑動(dòng)平均序列,記為ARMA(p,q)序列;當(dāng)q=0時(shí),yt為 AR(p) 序列;當(dāng)p=0時(shí),yt為MA(q)序列。

    令Bmyt=yt-k,Bmεt=εt-m,則式(2)可化為

    φ(B)yt=θ(B)εt

    (3)

    式中,

    φ(B)=1-φ1B-φ2B2-…-φpBp

    θ(B)=1-θ1B-θ2B2-…-θqBq

    B為滯后算子。

    對(duì)于非平穩(wěn)時(shí)間序列,必須先對(duì)其進(jìn)行平穩(wěn)化處理,才能運(yùn)用上述3種模型描述,方法如下:

    (1) 有序差分變換。若所研究的時(shí)間序列具有隨機(jī)性,可對(duì)其進(jìn)行有序差分變換。假設(shè)用=1-B來表示差分算子,n階差分后有

    (4)

    若序列已平穩(wěn),則原時(shí)間序列為

    (5)

    即為累積式自回歸滑動(dòng)平均模型ARIMA(p,q)。

    (2) 季節(jié)性差分變換。若所研究的時(shí)間序列具有季節(jié)性變化趨勢(shì),可對(duì)其施行季節(jié)性差分變換。引入季節(jié)性差分算子s=1-Bs,則季節(jié)性ARIMA模型為

    (6)

    式中,Φ(B)=1-Φ1Bs-Φ2B2s-…-ΦPBPs為季節(jié)自回歸算子;其中,P為季節(jié)自回歸階數(shù),Θ(B)=1-Θ1Bs-Θ2B2s-…-ΘQBQ s為季節(jié)移動(dòng)平均算子,Q為季節(jié)移動(dòng)平均階數(shù);D為季節(jié)差分階數(shù);s為 季節(jié)周期,當(dāng)時(shí)間序列為月度數(shù)據(jù)時(shí),s=12;當(dāng)時(shí)間序列為季度數(shù)據(jù)時(shí),s=4。

    1.2.2 模型建立 本文采用的Akaike信息準(zhǔn)則(Akaike Information Criterion, AIC)由日本統(tǒng)計(jì)學(xué)家Akaike于1973年提出[15-16]。時(shí)間序列ARMA(p,q)中,AIC定階準(zhǔn)則是通過適當(dāng)?shù)剡x擇p與q,使得

    (7)

    式中,N為樣本容量;方差估計(jì)值與p、q有關(guān)。當(dāng)p=,q=時(shí),其中,、為p、q的估計(jì)值,則式(7)達(dá)到最小值,認(rèn)為序列ARMA(p,q)為ARMA(,)。

    確定模型階數(shù)后,采用最大似然法估計(jì)模型中的參數(shù),并進(jìn)行χ2檢驗(yàn),模型的殘差為

    εt=Yt-Y-

    2 實(shí)例研究

    2.1樣本的選取

    實(shí)例數(shù)據(jù)來源于2007年6月(30天)東北某風(fēng)電場40#機(jī)組,每小時(shí)記錄一組數(shù)據(jù),其中包括功率、70m處風(fēng)速、風(fēng)向和溫度,共720組。本文以預(yù)測6月23日的風(fēng)速為例,樣本的選取方式有3種: ① 按距離待預(yù)測日最近的前7天的數(shù)據(jù)作為預(yù)測樣本;② 僅考慮平均風(fēng)速,選出與待預(yù)測日風(fēng)速平均值歐式距離最短的7組數(shù)據(jù)作為預(yù)測樣本;③ 考慮了風(fēng)速、風(fēng)向、溫度,經(jīng)過一系列加權(quán)平均,選出與待預(yù)測日歐式距離最短的7組數(shù)據(jù)作為預(yù)測樣本,即通過統(tǒng)計(jì)聚類分析對(duì)歷史數(shù)據(jù)進(jìn)行處理。然后,分別應(yīng)用時(shí)間序列法建模,預(yù)測風(fēng)速,并對(duì)得出的預(yù)測結(jié)果進(jìn)行比較,選出比較好的預(yù)測方法。本文主要介紹第3種方法的樣本選取。

    2.2數(shù)據(jù)處理與分析

    選取日平均風(fēng)速、最大風(fēng)速、最小風(fēng)速、平均風(fēng)向、最大風(fēng)向、最小風(fēng)向、平均溫度、最大溫度、最小溫度數(shù)據(jù)作為待預(yù)測日的風(fēng)速特征參數(shù),計(jì)算出各歷史日與待預(yù)測日的風(fēng)速屬性值之間的歐氏距離,然后對(duì)數(shù)據(jù)進(jìn)行加權(quán)平均,選出其中相似性最高(最終加權(quán)得到的最短歐式距離)的7個(gè)歷史日的數(shù)據(jù)作為預(yù)測樣本。

    (1) 以風(fēng)速為例,按式(1)計(jì)算出各歷史日與待預(yù)測日之間風(fēng)速的平均、最大、最小值的歐式距離,并分別用xS、yS、zS表示。同理,計(jì)算出各歷史日與待預(yù)測日之間風(fēng)向、溫度的平均、最大、最小值的歐氏距離,并分別用(xD、yD、zD)、(xT、yT、zT)表示。

    (2) 對(duì)上述計(jì)算出的風(fēng)速的平均、最大、最小歐式距離進(jìn)行加權(quán)平均,得

    (8)

    式中,w1、w2、w3分別為各項(xiàng)所占的權(quán)重。本文中分別取0.6、0.2、0.2。

    同理,將計(jì)算出的風(fēng)向、溫度的平均、最大、最小歐式距離進(jìn)行加權(quán)平均,分別用dD、dT表示。

    (3) 對(duì)dS、dD、dT再進(jìn)行加權(quán)平均,得

    (9)

    式中,θS、θD、θT為風(fēng)速、風(fēng)向、溫度所占的權(quán)重,考慮到風(fēng)速是影響風(fēng)電功率的直接因素,本文中分別取0.7、0.2、0.1。

    將上述數(shù)據(jù)處理過程中選出與等測日相似性最高的7個(gè)歷史日風(fēng)速數(shù)據(jù)(共168個(gè))作為預(yù)測樣本。建模前,對(duì)風(fēng)速數(shù)據(jù)序列的平穩(wěn)性進(jìn)行檢驗(yàn),計(jì)算風(fēng)速樣本值的前20個(gè)自相關(guān)函數(shù)值ρk和偏相關(guān)函數(shù)值αkk其中,k為數(shù)據(jù)個(gè)數(shù)。圖1為待預(yù)測日前7天(168個(gè))原始風(fēng)速數(shù)據(jù)時(shí)間序列{Yt},表1為風(fēng)速數(shù)據(jù)的自相關(guān)與偏相關(guān)函數(shù)值,圖2為{Yt}的自相關(guān)函數(shù)圖。

    圖1 原始風(fēng)速時(shí)間序列圖Fig.1 Original wind speed time series

    由表1、圖2可知,風(fēng)速數(shù)據(jù)的自相關(guān)系數(shù)不能很快地衰減至零,故該時(shí)間序列是非平穩(wěn)的,需要對(duì)該風(fēng)速序列進(jìn)行平穩(wěn)化和零均值化處理。

    表1 風(fēng)速數(shù)據(jù)的自相關(guān)與偏相關(guān)函數(shù)值Tab. 1 Autocorrelation and partial autocorrelation of wind speed data

    圖2 風(fēng)速序列差分前的自相關(guān)函數(shù)值ρk變化趨勢(shì)Fig.2 Autocorrelation of wind speed sample sequence before difference calculation

    通過一階差分,將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列,圖3為對(duì)原時(shí)間序列進(jìn)行一階差分后得到的序列{Y′t},其對(duì)應(yīng)的相關(guān)計(jì)算結(jié)果如表2所示。

    由圖3和表2看出,序列的自相關(guān)系數(shù)能較快地落入隨機(jī)區(qū)域內(nèi),由此初步判斷該序列是平穩(wěn)的。

    2.3模型建立

    由表2可知,自相關(guān)函數(shù)具有“截尾”性,偏相關(guān)函數(shù)具有“拖尾”性,故可對(duì)差分后的時(shí)間序列建立ARMA(p,q)模型,再由AIC定階準(zhǔn)則確定p、q的值。經(jīng)Matlab編程計(jì)算,當(dāng)p=1,q=2時(shí),AIC的值最小,故模型為ARMA(1,2)。

    圖3 風(fēng)速序列經(jīng)一階差分后的自相關(guān)函數(shù)值ρk變化趨勢(shì)圖Fig.3 Autocorrelation of wind speed sample sequence after first-order difference

    表2經(jīng)一階差分后的自相關(guān)與偏相關(guān)函數(shù)值
    Tab. 2 Autocorrelation and partial autocorrelation of wind speed data after first-order difference

    kρkαkkkρkαkk10 10360 103611-0 0468-0 04162-0 2215-0 235712-0 0706-0 09653-0 1046-0 052813-0 0196-0 05184-0 0707-0 113514-0 0221-0 08885-0 0439-0 066015-0 0332-0 07346-0 0905-0 145016-0 0070-0 07087-0 0515-0 084217-0 0154-0 096780 0458-0 014718-0 0485-0 124090 09290 0262190 07770 0293100 0081-0 0272200 08910 0186

    模型確定后,用最大似然估計(jì)法對(duì)其參數(shù)進(jìn)行估計(jì),從而得到殘差序列為

    εt=

    yt-0.056yt-1+0.076εt-1+0.072εt-2

    (10)

    經(jīng)檢驗(yàn)可知,{εt}為白噪聲序列,則模型通過檢驗(yàn),可以用來預(yù)測。

    2.4衡量預(yù)測結(jié)果

    使用相對(duì)誤差[18]來衡量預(yù)測結(jié)果。相對(duì)誤差為

    (11)

    式中,x*為預(yù)測值;x為真實(shí)值。

    3 預(yù)測結(jié)果與分析

    本文利用3種方法選取樣本,分別建立時(shí)間序列模型,并對(duì)風(fēng)速進(jìn)行預(yù)測。表3給出了利用 3種 方法選取樣本進(jìn)行預(yù)測,得到的6月23日 0:00~ 23:00的風(fēng)速預(yù)測結(jié)果對(duì)比。由表3可知,利用3種方法獲取樣本進(jìn)行預(yù)測,得到的預(yù)測值;誤差逐步減小。這是由于獲取樣本時(shí),方法1僅利用按時(shí)間順序排列的歷史數(shù)據(jù)作為預(yù)測樣本,沒有對(duì)樣本進(jìn)行選擇,故其精確度較差;方法2考慮了相似性,即考慮了與待預(yù)測日平均風(fēng)速最接近的幾組數(shù)據(jù)作為樣本,對(duì)歷史數(shù)據(jù)進(jìn)行了選擇;方法3不僅考慮了平均風(fēng)速,還考慮了溫度、風(fēng)向?qū)︼L(fēng)速的影響,即在前兩種方法的基礎(chǔ)上考慮了數(shù)值天氣的影響。由于風(fēng)向、溫度對(duì)風(fēng)電功率的影響程度較小,故方法3與方法2的平均相對(duì)誤差很接近。為進(jìn)一步檢驗(yàn)方法3的可靠性、有效性,對(duì)其他多處歷史時(shí)間的風(fēng)速值分別進(jìn)行反復(fù)建模預(yù)測分析。本文給出了使用本文方法預(yù)測6月19日和6月30日的風(fēng)速預(yù)測結(jié)果,如表4所示。

    表3 利用3種方法獲取樣本的對(duì)比預(yù)測結(jié)果Tab. 3 Comparison of predicted wind speed in three different ways

    (續(xù)表3)

    表4 6月19、30日的風(fēng)速預(yù)測結(jié)果Tab. 4 Wind speed forecasting results of June 19 and June 30

    由表4可見,3種預(yù)測模型的日平均誤差逐漸減小,其中第3種方法由于考慮了風(fēng)速、風(fēng)向、溫度等的影響,運(yùn)用聚類分析處理數(shù)據(jù),選出合適的樣本,最后在一定程度上提高了預(yù)測精度,從而實(shí)現(xiàn)了預(yù)期的目標(biāo)。

    4 結(jié) 語

    風(fēng)電場風(fēng)速預(yù)測問題是一個(gè)非常復(fù)雜的問題。鑒于風(fēng)電場風(fēng)速的變化受到諸多因素的影響,本文提出了將統(tǒng)計(jì)聚類分析應(yīng)用于時(shí)間序列法來預(yù)測風(fēng)速。通過對(duì)氣象部門提供的預(yù)測日風(fēng)速、風(fēng)向、溫度的特征作為聚類分析指標(biāo),采用歐式距離作為確定相似日的依據(jù),挑選出新的訓(xùn)練樣本,運(yùn)用ARMA模型進(jìn)行預(yù)測,在一定程度上提高了預(yù)測精度。雖然通過對(duì)幾組數(shù)據(jù)的預(yù)測結(jié)果進(jìn)行分析,利用本文方法進(jìn)行風(fēng)速預(yù)測的誤差還是偏大,尤其是對(duì)變化比較劇烈的風(fēng)速進(jìn)行預(yù)測時(shí)誤差較大,這可能與運(yùn)用聚類分析時(shí)選用的權(quán)值大小有關(guān),今后將對(duì)權(quán)值的選取等問題作進(jìn)一步研究。

    [1] 范高鋒,裴哲義,辛耀中.風(fēng)電功率預(yù)測的發(fā)展現(xiàn)狀與展望[J].中國電力,2011,44(6): 38-41.

    [2] 高陽,陳華宇,歐陽群.風(fēng)電場發(fā)電量預(yù)測技術(shù)研究綜述[J].電網(wǎng)與清潔能源,2010,26(4): 60-63,67.

    [3] 李東福,董雷,禮曉飛,等.基于多尺度小波分解和時(shí)間序列法的風(fēng)電場風(fēng)速預(yù)測[J].華北電力大學(xué)學(xué)報(bào),2012,39(2): 43-48.

    [4] 王國峰,王子良,王太勇,等.Matlab在時(shí)間序列分析中的應(yīng)用[J].應(yīng)用科技,2003,30(5): 36-38.

    [5] Louka P, Galanis G, Siebert N, et al. Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering[J]. Journal of Wind Engineering and Industrial Aerodynamics,2008,96(12): 2348-2362.

    [6] Che Guan,Luh P B,Wen Cao.Short-term wind generation forecasting and confidence interval estimation based on neural networks trained by extended Kalman particle filter[C]∥2011 9th World Congress on Intelligent Control and Automa-tion(WCICA).Taipei: IEEE,2011: 1173-1179.

    [7] Suarez R R,Graff M.Modeling ANNS performance on time series forecasting [C]∥2013 IEEE International Autumn Meeting on Power,Electronics and Computing.Mexico City: IEEE,2013: 1-6.

    [8] 王鵬,陳國初,徐余法,俞金壽.改進(jìn)的EMD及其在風(fēng)電功率預(yù)測中的應(yīng)用[J].控制工程,2011,18(4): 588-591,599.

    [9] 劉輝,田紅旗,李燕飛.基于小波分析法與滾動(dòng)式時(shí)間序列法的風(fēng)電場風(fēng)速短期預(yù)測優(yōu)化算法[J].中南大學(xué)學(xué)報(bào): 自然科學(xué)版,2010,41(1): 370-375.

    [10] 李伯頤.基于模糊聚類處理的風(fēng)電場短期風(fēng)速和發(fā)電功率預(yù)測[D].上海: 上海交通大學(xué),2009: 12-44.

    [11] 張廣明,袁宇浩,龔松建.基于改進(jìn)最小二乘支持向量機(jī)方法的短期風(fēng)速預(yù)測[J].上海交通大學(xué)學(xué)報(bào),2011,45(8): 1125-1129,1135.

    [12] 方江曉,周暉,黃梅,等. 基于統(tǒng)計(jì)聚類分析的短期風(fēng)電功率預(yù)測[J].電力系統(tǒng)保護(hù)與控制,2011,39(11): 67-73,78.

    [13] 楊綸標(biāo),高英儀,凌衛(wèi)新.模糊數(shù)學(xué)原理及應(yīng)用[M].廣州: 華南理工大學(xué)出版社,2011: 87-91

    [14] 易丹輝.時(shí)間序列分析方法與應(yīng)用[M].北京: 中國人民大學(xué)出版社,2011: 63-88.

    [15] 張文泉,李泓澤.極大似然估計(jì)與AIC準(zhǔn)則聯(lián)合建模[J].現(xiàn)代電力,1999,16(2): 78-82.

    [16] 陳興鉤.統(tǒng)計(jì)模型用AIC準(zhǔn)則定階的相容性問題[J].華僑大學(xué)學(xué)報(bào): 自然科學(xué)版,1989,10(1): 6-10.

    [17] 彭暉.風(fēng)電場風(fēng)電量短期預(yù)測技術(shù)研究[D].南京: 東南大學(xué),2009: 23-38.

    [18] 李慶揚(yáng),王能超,易大義.數(shù)值分析[M].5版.北京: 清華大學(xué)出版社,2010.9: 4-5.

    Short-Term Wind Speed Prediction Model Based onStatistical Clustering and Time Series Analysis

    CHENQinqin,CHENGuochu

    (School of Electric Engineering, Shanghai Dianji University, Shanghai 200240, China)

    This paper is based on auto-regressive integrated moving-average (ARIMA) and uses statistical cluster analysis to preprocess the history wind speed data. Influence of meteorological factors on the wind speed is considered according to average, minimum and maximum wind speeds, wind direction, temperature and other parameters on the prediction day. Appropriate wind speed data are selected using the principle of maximum similarity as training samples for the prediction model. As a result, the prediction accuracy is significantly improved compared with the model without preprocessed data. Validity of using statistical cluster analysis to preprocess the history wind speed data is shown. The paper also gives conditions for more accurate wind power prediction.

    wind speed prediction; time series analysis; statistical cluster analysis; principle of similarity; forecast precision

    2013 - 10 - 25

    上海市自然科學(xué)基金項(xiàng)目資助(11ZR1413900);上海市教育委員科研創(chuàng)新項(xiàng)目資助(13YZ140);上海市教育委員會(huì)重點(diǎn)學(xué)科資助(J51901)

    陳勤勤(1988-),女,碩士生,主要研究方向?yàn)轱L(fēng)電場輸出功率預(yù)測及不確定性分析, E-mail: 97529944@qq.com

    2095 - 0020(2014)02 -0076 - 07

    TM 614

    A

    猜你喜歡
    風(fēng)電場差分風(fēng)速
    數(shù)列與差分
    基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測
    基于最優(yōu)TS評(píng)分和頻率匹配的江蘇近海風(fēng)速訂正
    基于PSS/E的風(fēng)電場建模與動(dòng)態(tài)分析
    電子制作(2018年17期)2018-09-28 01:56:44
    基于GARCH的短時(shí)風(fēng)速預(yù)測方法
    含風(fēng)電場電力系統(tǒng)的潮流計(jì)算
    基于差分隱私的大數(shù)據(jù)隱私保護(hù)
    考慮風(fēng)速分布與日非平穩(wěn)性的風(fēng)速數(shù)據(jù)預(yù)處理方法研究
    探求風(fēng)電場的遠(yuǎn)景
    風(fēng)能(2015年9期)2015-02-27 10:15:25
    代力吉風(fēng)電場的我們
    風(fēng)能(2015年7期)2015-02-27 10:15:02
    日韩成人伦理影院| 五月玫瑰六月丁香| 中出人妻视频一区二区| 少妇猛男粗大的猛烈进出视频 | 国产一区二区三区在线臀色熟女| 久久国产乱子免费精品| 国产毛片a区久久久久| 国产成人一区二区在线| 少妇人妻一区二区三区视频| 成人三级黄色视频| 黄色配什么色好看| 亚洲美女视频黄频| 久久精品国产清高在天天线| 最新中文字幕久久久久| 最新中文字幕久久久久| 长腿黑丝高跟| 日本免费a在线| 美女cb高潮喷水在线观看| 好男人在线观看高清免费视频| 毛片女人毛片| 欧美zozozo另类| 春色校园在线视频观看| 欧美一区二区亚洲| 久久综合国产亚洲精品| 国产成人a∨麻豆精品| 欧美性猛交╳xxx乱大交人| 一级毛片久久久久久久久女| av在线播放精品| 午夜亚洲福利在线播放| 亚洲自偷自拍三级| 精品乱码久久久久久99久播| av天堂在线播放| 免费在线观看影片大全网站| 插逼视频在线观看| 99久久九九国产精品国产免费| 国产精品亚洲美女久久久| 亚洲欧美日韩高清在线视频| 成人综合一区亚洲| 天堂av国产一区二区熟女人妻| 十八禁国产超污无遮挡网站| 国产精品一区二区免费欧美| 久久精品国产99精品国产亚洲性色| 欧美激情在线99| 亚洲av免费高清在线观看| 国产午夜福利久久久久久| 大又大粗又爽又黄少妇毛片口| 国产高清三级在线| 最近最新中文字幕大全电影3| 亚洲成人久久爱视频| 好男人在线观看高清免费视频| 国产成人aa在线观看| 秋霞在线观看毛片| 久久精品国产亚洲网站| 2021天堂中文幕一二区在线观| 成人永久免费在线观看视频| 欧美成人精品欧美一级黄| 天天躁夜夜躁狠狠久久av| 亚洲国产精品合色在线| 亚洲欧美日韩高清在线视频| 日韩欧美国产在线观看| 特大巨黑吊av在线直播| 精品日产1卡2卡| 国产精品美女特级片免费视频播放器| 精品欧美国产一区二区三| 一级毛片电影观看 | av中文乱码字幕在线| 日本黄大片高清| 成人永久免费在线观看视频| 99久久精品国产国产毛片| 久久欧美精品欧美久久欧美| 成人二区视频| 别揉我奶头~嗯~啊~动态视频| 日韩欧美精品免费久久| 亚洲av第一区精品v没综合| 一级毛片我不卡| 男人舔女人下体高潮全视频| 欧美高清性xxxxhd video| 我要看日韩黄色一级片| 干丝袜人妻中文字幕| 日本一本二区三区精品| 欧美中文日本在线观看视频| 国产精品乱码一区二三区的特点| 黄片wwwwww| 国产精品一区二区三区四区免费观看 | 日本色播在线视频| 色在线成人网| 婷婷精品国产亚洲av在线| 在线观看av片永久免费下载| 无遮挡黄片免费观看| 欧美xxxx黑人xx丫x性爽| 国产综合懂色| avwww免费| 久久国产乱子免费精品| 久久精品久久久久久噜噜老黄 | 国产片特级美女逼逼视频| 最近在线观看免费完整版| 韩国av在线不卡| 晚上一个人看的免费电影| 女的被弄到高潮叫床怎么办| 国产亚洲欧美98| 尤物成人国产欧美一区二区三区| 亚洲第一电影网av| 成人美女网站在线观看视频| 91狼人影院| 看免费成人av毛片| 午夜视频国产福利| 熟女电影av网| 久久国内精品自在自线图片| a级毛片免费高清观看在线播放| 精品免费久久久久久久清纯| 国产精品女同一区二区软件| 久久久精品欧美日韩精品| 天美传媒精品一区二区| 免费搜索国产男女视频| 99热这里只有是精品在线观看| 蜜桃久久精品国产亚洲av| 真实男女啪啪啪动态图| 尾随美女入室| .国产精品久久| 99国产极品粉嫩在线观看| 香蕉av资源在线| 日日撸夜夜添| 五月玫瑰六月丁香| 成人漫画全彩无遮挡| 性色avwww在线观看| 99在线视频只有这里精品首页| 免费在线观看成人毛片| 久久久精品大字幕| 三级经典国产精品| 人妻夜夜爽99麻豆av| 国产午夜精品久久久久久一区二区三区 | 搡老熟女国产l中国老女人| 亚洲性久久影院| 国产伦在线观看视频一区| 国产精品女同一区二区软件| 午夜爱爱视频在线播放| 国产乱人偷精品视频| 精品久久久久久久人妻蜜臀av| 成年女人看的毛片在线观看| 村上凉子中文字幕在线| 精品午夜福利在线看| 色播亚洲综合网| av视频在线观看入口| av在线蜜桃| 亚洲精品在线观看二区| 国产精品一及| 日韩欧美一区二区三区在线观看| 嫩草影院精品99| av女优亚洲男人天堂| av在线老鸭窝| 亚洲最大成人中文| 日本-黄色视频高清免费观看| 亚洲美女视频黄频| 国产精品一区二区三区四区久久| 一个人免费在线观看电影| 最近2019中文字幕mv第一页| 青春草视频在线免费观看| 日本黄色视频三级网站网址| 不卡一级毛片| 精品熟女少妇av免费看| 中文亚洲av片在线观看爽| 如何舔出高潮| 欧美高清成人免费视频www| av专区在线播放| 国产91av在线免费观看| 国产色爽女视频免费观看| 国内久久婷婷六月综合欲色啪| 亚洲经典国产精华液单| 国产熟女欧美一区二区| 1000部很黄的大片| av免费在线看不卡| 我要看日韩黄色一级片| 久久韩国三级中文字幕| 人妻久久中文字幕网| 免费看光身美女| 大型黄色视频在线免费观看| 国产三级中文精品| 久久久成人免费电影| 亚洲七黄色美女视频| 99久国产av精品| 天堂av国产一区二区熟女人妻| av福利片在线观看| 最近2019中文字幕mv第一页| 啦啦啦韩国在线观看视频| 国产爱豆传媒在线观看| or卡值多少钱| 男人狂女人下面高潮的视频| 婷婷精品国产亚洲av| 国产成人91sexporn| 高清毛片免费观看视频网站| 中文字幕人妻熟人妻熟丝袜美| 精品不卡国产一区二区三区| 国产精品久久久久久精品电影| 少妇猛男粗大的猛烈进出视频 | 中文字幕免费在线视频6| 男女边吃奶边做爰视频| 国产一区二区三区在线臀色熟女| 亚洲成a人片在线一区二区| 久久久a久久爽久久v久久| 成人特级黄色片久久久久久久| 亚洲精品日韩在线中文字幕 | 小说图片视频综合网站| 在线a可以看的网站| 精品一区二区免费观看| av卡一久久| 亚洲精品一区av在线观看| 久久中文看片网| 欧美色视频一区免费| 精品日产1卡2卡| 日韩成人伦理影院| 天天躁日日操中文字幕| 亚洲av电影不卡..在线观看| 免费人成在线观看视频色| 国产探花极品一区二区| 婷婷色综合大香蕉| 毛片一级片免费看久久久久| 人妻久久中文字幕网| 一个人看的www免费观看视频| 99久久精品热视频| 亚洲欧美日韩卡通动漫| 直男gayav资源| 亚洲人成网站在线播放欧美日韩| 亚洲综合色惰| 亚洲av一区综合| 狂野欧美激情性xxxx在线观看| av中文乱码字幕在线| 免费看日本二区| 18禁黄网站禁片免费观看直播| 国产一区二区激情短视频| 中文字幕熟女人妻在线| 俺也久久电影网| 大又大粗又爽又黄少妇毛片口| 亚洲成人久久性| 国产高清激情床上av| 久久久久久久午夜电影| 成年女人看的毛片在线观看| 亚洲欧美日韩无卡精品| 狠狠狠狠99中文字幕| 国产大屁股一区二区在线视频| 成人高潮视频无遮挡免费网站| 成年版毛片免费区| 日本-黄色视频高清免费观看| 亚洲综合色惰| 国产精华一区二区三区| 老司机午夜福利在线观看视频| 青春草视频在线免费观看| 91午夜精品亚洲一区二区三区| 亚洲精品粉嫩美女一区| 男插女下体视频免费在线播放| 99久国产av精品国产电影| 一级av片app| 精品人妻一区二区三区麻豆 | 日韩国内少妇激情av| 国产av一区在线观看免费| 人人妻人人澡欧美一区二区| av天堂在线播放| 五月玫瑰六月丁香| av卡一久久| 美女高潮的动态| 精品少妇黑人巨大在线播放 | 在线看三级毛片| 老师上课跳d突然被开到最大视频| 深夜精品福利| 搡老妇女老女人老熟妇| 国产亚洲欧美98| 国产又黄又爽又无遮挡在线| 美女内射精品一级片tv| 国产91av在线免费观看| 人妻制服诱惑在线中文字幕| 国产午夜福利久久久久久| 国产蜜桃级精品一区二区三区| 观看美女的网站| 乱码一卡2卡4卡精品| 久久精品人妻少妇| 18禁在线无遮挡免费观看视频 | 亚洲激情五月婷婷啪啪| 成人特级av手机在线观看| 精品无人区乱码1区二区| 亚洲国产精品合色在线| 一进一出好大好爽视频| 久久久色成人| 免费人成在线观看视频色| 99久久精品一区二区三区| 亚洲自拍偷在线| 天天躁日日操中文字幕| 日本一本二区三区精品| 婷婷精品国产亚洲av在线| 丰满乱子伦码专区| 国产精品一区www在线观看| 日韩一区二区视频免费看| 搞女人的毛片| 亚洲av.av天堂| 日本免费a在线| av天堂在线播放| 精品午夜福利在线看| 久久久成人免费电影| 亚洲aⅴ乱码一区二区在线播放| 老师上课跳d突然被开到最大视频| 午夜福利在线在线| a级毛片免费高清观看在线播放| 99在线视频只有这里精品首页| 欧美日本视频| 最好的美女福利视频网| 天天躁日日操中文字幕| 99久国产av精品| 麻豆一二三区av精品| 伦精品一区二区三区| 网址你懂的国产日韩在线| 男女边吃奶边做爰视频| 亚洲av不卡在线观看| 男女啪啪激烈高潮av片| 九九久久精品国产亚洲av麻豆| 亚洲欧美日韩高清专用| 尤物成人国产欧美一区二区三区| 久久久a久久爽久久v久久| 国产精品久久久久久亚洲av鲁大| 日韩成人av中文字幕在线观看 | 日本一本二区三区精品| 在线a可以看的网站| av在线观看视频网站免费| 天堂网av新在线| 变态另类成人亚洲欧美熟女| 草草在线视频免费看| 一级毛片我不卡| 亚洲国产精品成人久久小说 | 99久久精品热视频| 免费观看人在逋| 在线看三级毛片| 欧美绝顶高潮抽搐喷水| 久久99热这里只有精品18| 亚洲av免费高清在线观看| 亚洲人成网站在线观看播放| 婷婷色综合大香蕉| 别揉我奶头~嗯~啊~动态视频| 久久久久国产精品人妻aⅴ院| av.在线天堂| 欧美性感艳星| 特大巨黑吊av在线直播| 亚洲成av人片在线播放无| 免费看a级黄色片| 成人无遮挡网站| 国产欧美日韩精品一区二区| 亚洲成人精品中文字幕电影| 亚洲五月天丁香| 国产精品野战在线观看| 久久国产乱子免费精品| 99在线视频只有这里精品首页| 精品一区二区三区av网在线观看| 亚洲经典国产精华液单| 久久久成人免费电影| 国产高清激情床上av| 麻豆乱淫一区二区| av福利片在线观看| 丰满乱子伦码专区| 如何舔出高潮| 欧美日韩综合久久久久久| 麻豆久久精品国产亚洲av| 美女xxoo啪啪120秒动态图| 狂野欧美白嫩少妇大欣赏| 久久久久久久久久成人| 亚洲美女黄片视频| 99久久精品国产国产毛片| 特级一级黄色大片| 亚洲自偷自拍三级| 欧美色欧美亚洲另类二区| 不卡视频在线观看欧美| 九九热线精品视视频播放| 久久久久久久亚洲中文字幕| 日韩中字成人| 成人av在线播放网站| 在线a可以看的网站| 日日干狠狠操夜夜爽| 日日摸夜夜添夜夜添小说| 97人妻精品一区二区三区麻豆| 最后的刺客免费高清国语| 国内精品一区二区在线观看| 成年女人永久免费观看视频| 日本在线视频免费播放| 国产一区二区三区av在线 | 日韩av在线大香蕉| 国产精品电影一区二区三区| www日本黄色视频网| 春色校园在线视频观看| 搡老熟女国产l中国老女人| 亚洲自偷自拍三级| 国产91av在线免费观看| 久久人人精品亚洲av| 最近2019中文字幕mv第一页| 国产极品精品免费视频能看的| 狠狠狠狠99中文字幕| 国产午夜精品论理片| 国产精品国产三级国产av玫瑰| 精品久久久久久久末码| 成人永久免费在线观看视频| 精品久久久久久久久av| 午夜精品一区二区三区免费看| 亚洲国产日韩欧美精品在线观看| 18禁黄网站禁片免费观看直播| 给我免费播放毛片高清在线观看| 天堂av国产一区二区熟女人妻| 亚州av有码| 成熟少妇高潮喷水视频| 插逼视频在线观看| 哪里可以看免费的av片| 精品99又大又爽又粗少妇毛片| 亚洲专区国产一区二区| 欧美一区二区国产精品久久精品| 一卡2卡三卡四卡精品乱码亚洲| 国产高清视频在线播放一区| 18禁在线无遮挡免费观看视频 | 久久精品国产亚洲av涩爱 | 超碰av人人做人人爽久久| 99热这里只有是精品50| 日韩一本色道免费dvd| 日日摸夜夜添夜夜爱| 秋霞伦理黄片| 桃花免费在线播放| 中文字幕制服av| 天天躁夜夜躁狠狠久久av| 能在线免费看毛片的网站| 久久久久国产网址| 久久久久人妻精品一区果冻| 又黄又爽又刺激的免费视频.| 亚洲精品日韩在线中文字幕| 一本久久精品| 亚洲经典国产精华液单| 嫩草影院新地址| 成人午夜精彩视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国产69精品久久久久777片| 久久久久久久久久久久大奶| 亚洲精品国产av成人精品| 99国产精品免费福利视频| 中文精品一卡2卡3卡4更新| 久久久久久久大尺度免费视频| 亚洲精品日韩在线中文字幕| 我要看黄色一级片免费的| 女性生殖器流出的白浆| 国产亚洲91精品色在线| 国产深夜福利视频在线观看| 精品熟女少妇av免费看| 亚洲av电影在线观看一区二区三区| videos熟女内射| 欧美亚洲 丝袜 人妻 在线| 热re99久久国产66热| 各种免费的搞黄视频| 欧美区成人在线视频| 一本—道久久a久久精品蜜桃钙片| 麻豆精品久久久久久蜜桃| 成人毛片60女人毛片免费| 亚洲综合精品二区| 女性生殖器流出的白浆| 精品少妇久久久久久888优播| 亚洲精品一二三| 在线观看三级黄色| 国产69精品久久久久777片| 成人亚洲欧美一区二区av| 啦啦啦在线观看免费高清www| 中文字幕人妻熟人妻熟丝袜美| 久久99蜜桃精品久久| 欧美xxxx性猛交bbbb| 永久免费av网站大全| 亚洲四区av| 最近中文字幕2019免费版| 久久97久久精品| 内射极品少妇av片p| 亚洲欧洲日产国产| 丁香六月天网| 极品人妻少妇av视频| 亚洲美女搞黄在线观看| 久久国产乱子免费精品| 免费看av在线观看网站| av在线观看视频网站免费| 麻豆精品久久久久久蜜桃| 婷婷色麻豆天堂久久| 51国产日韩欧美| 成人毛片a级毛片在线播放| 国产老妇伦熟女老妇高清| 午夜福利在线观看免费完整高清在| 亚洲成人手机| 日本黄色日本黄色录像| 天美传媒精品一区二区| 伦精品一区二区三区| 观看美女的网站| 亚洲在久久综合| 久久久久久久精品精品| 午夜福利,免费看| 国产视频首页在线观看| a级一级毛片免费在线观看| 国产亚洲午夜精品一区二区久久| 亚洲第一av免费看| 女人精品久久久久毛片| 在线观看www视频免费| 亚洲欧美精品专区久久| 久久国产亚洲av麻豆专区| 午夜免费男女啪啪视频观看| 亚洲怡红院男人天堂| 久久99热6这里只有精品| 久久久久久久久久久久大奶| 在线观看免费高清a一片| 99热这里只有是精品50| 久久久亚洲精品成人影院| 欧美性感艳星| 国产又色又爽无遮挡免| 亚洲欧洲精品一区二区精品久久久 | 日韩亚洲欧美综合| 日本黄色日本黄色录像| 爱豆传媒免费全集在线观看| 亚洲精品成人av观看孕妇| 边亲边吃奶的免费视频| 国产老妇伦熟女老妇高清| 交换朋友夫妻互换小说| 少妇 在线观看| 精品熟女少妇av免费看| 国产精品嫩草影院av在线观看| 国产男女超爽视频在线观看| 亚洲欧美清纯卡通| 中文字幕人妻丝袜制服| 亚洲av免费高清在线观看| 三级国产精品欧美在线观看| 亚洲精品日本国产第一区| 精品熟女少妇av免费看| 99久国产av精品国产电影| 天堂中文最新版在线下载| 老司机影院成人| 大话2 男鬼变身卡| 亚洲国产色片| 男女边摸边吃奶| 久久人人爽人人片av| 欧美精品一区二区免费开放| 久久久久久久大尺度免费视频| 国产极品粉嫩免费观看在线 | 乱系列少妇在线播放| 只有这里有精品99| 国产精品伦人一区二区| 视频区图区小说| 黑人巨大精品欧美一区二区蜜桃 | 女人久久www免费人成看片| 午夜福利视频精品| 高清午夜精品一区二区三区| 大香蕉97超碰在线| 亚洲精品乱码久久久久久按摩| 97精品久久久久久久久久精品| 久久免费观看电影| 欧美xxxx性猛交bbbb| 午夜日本视频在线| 国产精品蜜桃在线观看| 成人国产av品久久久| 欧美日韩在线观看h| 99热6这里只有精品| 少妇人妻一区二区三区视频| 亚洲精品国产av蜜桃| 亚洲av男天堂| 新久久久久国产一级毛片| 成人毛片a级毛片在线播放| 国产片特级美女逼逼视频| 女人久久www免费人成看片| av在线播放精品| 亚洲人成网站在线观看播放| 狂野欧美激情性xxxx在线观看| kizo精华| 国产精品三级大全| 少妇被粗大的猛进出69影院 | 国产爽快片一区二区三区| 少妇丰满av| 中文字幕人妻熟人妻熟丝袜美| 99热网站在线观看| 如何舔出高潮| 九九久久精品国产亚洲av麻豆| 特大巨黑吊av在线直播| 少妇人妻久久综合中文| 成人美女网站在线观看视频| 丰满人妻一区二区三区视频av| 赤兔流量卡办理| 久久青草综合色| 全区人妻精品视频| 国产 精品1| 国产极品天堂在线| 三上悠亚av全集在线观看 | 在线观看人妻少妇| 少妇的逼好多水| 亚洲久久久国产精品| 国产日韩一区二区三区精品不卡 | 国产午夜精品一二区理论片| 黑人猛操日本美女一级片| 国产欧美亚洲国产| 久久国产亚洲av麻豆专区| 免费看光身美女| 国产免费视频播放在线视频| 亚洲电影在线观看av| 亚洲熟女精品中文字幕| 日本黄色片子视频| 亚洲熟女精品中文字幕| 日本黄色片子视频| 一区在线观看完整版| 日日啪夜夜爽| 午夜福利在线观看免费完整高清在| 中文乱码字字幕精品一区二区三区| 欧美日本中文国产一区发布| 男女国产视频网站| 成年人免费黄色播放视频 | 夜夜骑夜夜射夜夜干| 中文字幕人妻丝袜制服| videossex国产| 国产精品一区二区三区四区免费观看| 午夜老司机福利剧场| 国产有黄有色有爽视频| 午夜福利视频精品| 日韩熟女老妇一区二区性免费视频| 最近手机中文字幕大全| 成人毛片60女人毛片免费| 亚洲欧美中文字幕日韩二区| 91久久精品电影网| 欧美精品亚洲一区二区| 中文欧美无线码|