• <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
    美女脱内裤让男人舔精品视频| 黑人欧美特级aaaaaa片| 欧美性长视频在线观看| 日韩制服丝袜自拍偷拍| 成年人免费黄色播放视频| 1024视频免费在线观看| 美女扒开内裤让男人捅视频| 日韩免费高清中文字幕av| 中文字幕亚洲精品专区| 国产欧美亚洲国产| 国产极品粉嫩免费观看在线| 人人妻人人添人人爽欧美一区卜| 黄网站色视频无遮挡免费观看| 精品视频人人做人人爽| 电影成人av| av网站在线播放免费| 久久精品国产综合久久久| 狠狠精品人妻久久久久久综合| 欧美黑人欧美精品刺激| 69精品国产乱码久久久| 午夜福利视频精品| 纯流量卡能插随身wifi吗| 一本一本久久a久久精品综合妖精| 男女下面插进去视频免费观看| 菩萨蛮人人尽说江南好唐韦庄| 人人妻人人添人人爽欧美一区卜| 纯流量卡能插随身wifi吗| 一二三四社区在线视频社区8| 亚洲av欧美aⅴ国产| 黄色片一级片一级黄色片| 十分钟在线观看高清视频www| 女人精品久久久久毛片| 国产成人欧美在线观看 | 成年女人毛片免费观看观看9 | 国产精品人妻久久久影院| 国产成人免费观看mmmm| 国产成人免费观看mmmm| 老司机午夜十八禁免费视频| 国产麻豆69| 老司机午夜十八禁免费视频| 在线观看免费高清a一片| 999精品在线视频| 人妻一区二区av| 最新的欧美精品一区二区| 夫妻午夜视频| 狂野欧美激情性bbbbbb| 成人午夜精彩视频在线观看| 两性夫妻黄色片| 亚洲情色 制服丝袜| 黄网站色视频无遮挡免费观看| 欧美老熟妇乱子伦牲交| 日本午夜av视频| 天堂8中文在线网| 国产亚洲一区二区精品| 人妻一区二区av| 欧美精品一区二区免费开放| 日日爽夜夜爽网站| 成年av动漫网址| 色婷婷av一区二区三区视频| 亚洲自偷自拍图片 自拍| 精品亚洲乱码少妇综合久久| 少妇裸体淫交视频免费看高清 | 国产成人啪精品午夜网站| 老司机影院成人| 天天影视国产精品| 久久99一区二区三区| 一本色道久久久久久精品综合| 国语对白做爰xxxⅹ性视频网站| 精品人妻1区二区| 亚洲av电影在线进入| 精品久久久久久电影网| 一本久久精品| 欧美97在线视频| 免费女性裸体啪啪无遮挡网站| 18禁裸乳无遮挡动漫免费视频| 99久久99久久久精品蜜桃| 亚洲av在线观看美女高潮| 久久女婷五月综合色啪小说| 久久久久国产一级毛片高清牌| 欧美精品啪啪一区二区三区 | 亚洲,欧美精品.| 欧美精品一区二区大全| 亚洲精品一区蜜桃| 亚洲,欧美,日韩| 国产精品av久久久久免费| 久久天躁狠狠躁夜夜2o2o | 免费日韩欧美在线观看| 飞空精品影院首页| 18禁国产床啪视频网站| 亚洲黑人精品在线| 少妇的丰满在线观看| 欧美大码av| 欧美人与性动交α欧美软件| 悠悠久久av| 日韩欧美一区视频在线观看| 久久女婷五月综合色啪小说| 国产成人av教育| 亚洲精品av麻豆狂野| 免费看av在线观看网站| 免费黄频网站在线观看国产| 久久久久精品人妻al黑| 免费观看av网站的网址| 日本vs欧美在线观看视频| 成人国产av品久久久| 久热这里只有精品99| 日韩精品免费视频一区二区三区| 男女床上黄色一级片免费看| 国产欧美亚洲国产| 最近中文字幕2019免费版| 国产黄色免费在线视频| 欧美国产精品一级二级三级| 男男h啪啪无遮挡| 一边摸一边做爽爽视频免费| 日韩视频在线欧美| 男女下面插进去视频免费观看| 亚洲av男天堂| 日本猛色少妇xxxxx猛交久久| 一区二区三区乱码不卡18| 国产精品久久久久久精品古装| 99久久人妻综合| 亚洲第一av免费看| 男女无遮挡免费网站观看| 免费日韩欧美在线观看| 美国免费a级毛片| 中文乱码字字幕精品一区二区三区| 高清欧美精品videossex| a 毛片基地| 欧美 日韩 精品 国产| av欧美777| 波野结衣二区三区在线| 美女大奶头黄色视频| 日韩中文字幕视频在线看片| 国产亚洲一区二区精品| 少妇裸体淫交视频免费看高清 | 久久午夜综合久久蜜桃| 97在线人人人人妻| 婷婷色麻豆天堂久久| 国产99久久九九免费精品| 性色av一级| 黄色视频不卡| 桃花免费在线播放| 九色亚洲精品在线播放| 蜜桃在线观看..| 波多野结衣一区麻豆| 国产成人精品久久二区二区免费| 久久精品aⅴ一区二区三区四区| 这个男人来自地球电影免费观看| 一级毛片我不卡| 久久狼人影院| 一区二区三区精品91| 天堂8中文在线网| 亚洲精品一区蜜桃| 精品福利永久在线观看| 91精品伊人久久大香线蕉| 免费黄频网站在线观看国产| 欧美日韩视频精品一区| 亚洲欧美清纯卡通| 在线精品无人区一区二区三| 久久久国产一区二区| 亚洲欧美激情在线| 中文字幕人妻丝袜制服| 日本av手机在线免费观看| 午夜免费成人在线视频| 色精品久久人妻99蜜桃| 好男人视频免费观看在线| 一区福利在线观看| 欧美人与性动交α欧美精品济南到| 国产免费一区二区三区四区乱码| 丁香六月天网| 国产在线免费精品| 男女边吃奶边做爰视频| 激情视频va一区二区三区| 久久亚洲精品不卡| 久9热在线精品视频| 一本大道久久a久久精品| 久久久精品免费免费高清| 久9热在线精品视频| 99国产精品一区二区三区| a级片在线免费高清观看视频| 日本一区二区免费在线视频| 欧美成人午夜精品| 久久人妻熟女aⅴ| av天堂久久9| 乱人伦中国视频| 国产成人精品久久久久久| 777米奇影视久久| 久久精品国产综合久久久| 久久久久久久大尺度免费视频| 欧美97在线视频| 午夜福利在线免费观看网站| 欧美日韩成人在线一区二区| 久久久久视频综合| 日日摸夜夜添夜夜爱| 激情视频va一区二区三区| 成人午夜精彩视频在线观看| 黄频高清免费视频| 国产成人一区二区三区免费视频网站 | 欧美人与性动交α欧美精品济南到| 一级片'在线观看视频| 亚洲中文日韩欧美视频| 亚洲精品国产区一区二| 午夜福利,免费看| 亚洲国产av影院在线观看| 下体分泌物呈黄色| 美女脱内裤让男人舔精品视频| 国产视频首页在线观看| 国产免费又黄又爽又色| 99精品久久久久人妻精品| 手机成人av网站| 国产欧美亚洲国产| 亚洲欧洲精品一区二区精品久久久| 嫩草影视91久久| av网站免费在线观看视频| 啦啦啦中文免费视频观看日本| 欧美精品高潮呻吟av久久| 国产黄频视频在线观看| 黄色视频在线播放观看不卡| 亚洲人成77777在线视频| 伦理电影免费视频| tube8黄色片| 香蕉国产在线看| 无限看片的www在线观看| 国产成人一区二区在线| 高清av免费在线| 久久久久久久国产电影| 大香蕉久久成人网| 免费在线观看视频国产中文字幕亚洲 | 性高湖久久久久久久久免费观看| 国产一区二区 视频在线| 少妇精品久久久久久久| 国产国语露脸激情在线看| 精品福利观看| 国产亚洲精品久久久久5区| 人人妻人人添人人爽欧美一区卜| 久久久欧美国产精品| 精品久久久久久电影网| 建设人人有责人人尽责人人享有的| 肉色欧美久久久久久久蜜桃| 在线观看免费高清a一片| 免费看不卡的av| 色婷婷av一区二区三区视频| 丝袜在线中文字幕| 超色免费av| 又黄又粗又硬又大视频| 久久女婷五月综合色啪小说| 天堂8中文在线网| 美女中出高潮动态图| 99热国产这里只有精品6| 97人妻天天添夜夜摸| 久久久国产精品麻豆| 国产高清videossex| 精品亚洲乱码少妇综合久久| 国产极品粉嫩免费观看在线| 亚洲成人免费电影在线观看 | 久久人人爽人人片av| 亚洲九九香蕉| 热re99久久国产66热| 国产一卡二卡三卡精品| 午夜久久久在线观看| 韩国精品一区二区三区| 观看av在线不卡| 水蜜桃什么品种好| cao死你这个sao货| 99国产精品一区二区三区| av不卡在线播放| 亚洲男人天堂网一区| av网站在线播放免费| 老熟女久久久| 女警被强在线播放| 欧美亚洲日本最大视频资源| 免费高清在线观看视频在线观看| a 毛片基地| 丝袜美腿诱惑在线| netflix在线观看网站| 十八禁网站网址无遮挡| 天堂8中文在线网| 国产主播在线观看一区二区 | 久久毛片免费看一区二区三区| 99热网站在线观看| 久久人人97超碰香蕉20202| 欧美亚洲 丝袜 人妻 在线| 国产精品久久久久成人av| 成年人免费黄色播放视频| 欧美精品av麻豆av| 久久久精品免费免费高清| 狂野欧美激情性xxxx| 午夜精品国产一区二区电影| av福利片在线| 欧美日韩亚洲高清精品| 男人操女人黄网站| 秋霞在线观看毛片| 永久免费av网站大全| 欧美乱码精品一区二区三区| 大陆偷拍与自拍| 啦啦啦在线免费观看视频4| 亚洲,欧美精品.| 男女边吃奶边做爰视频| 一区二区日韩欧美中文字幕| 亚洲欧洲日产国产| 国产成人系列免费观看| 成人国产av品久久久| 高清欧美精品videossex| 日韩熟女老妇一区二区性免费视频| 50天的宝宝边吃奶边哭怎么回事| 久久亚洲国产成人精品v| 高清av免费在线| av在线老鸭窝| 狂野欧美激情性xxxx| 亚洲国产精品国产精品| 午夜老司机福利片| 嫩草影视91久久| 美女主播在线视频| 日韩中文字幕欧美一区二区 | 每晚都被弄得嗷嗷叫到高潮| 亚洲美女黄色视频免费看| 国产精品一区二区精品视频观看| 纵有疾风起免费观看全集完整版| 女性被躁到高潮视频| 精品国产乱码久久久久久男人| 黄色毛片三级朝国网站| 十八禁网站网址无遮挡| 国产99久久九九免费精品| 人妻一区二区av| 国产视频首页在线观看| 欧美老熟妇乱子伦牲交| 国产视频首页在线观看| 熟女av电影| 男女高潮啪啪啪动态图| av视频免费观看在线观看| 啦啦啦在线观看免费高清www| 国产亚洲av片在线观看秒播厂| 亚洲av成人精品一二三区| 亚洲国产欧美日韩在线播放| 久9热在线精品视频| 久久精品久久久久久久性| 日韩大码丰满熟妇| 亚洲欧美激情在线| 两性夫妻黄色片| 国产精品一二三区在线看| 日韩av不卡免费在线播放| 在线 av 中文字幕| 母亲3免费完整高清在线观看| 亚洲精品日本国产第一区| 欧美日韩亚洲综合一区二区三区_| 精品卡一卡二卡四卡免费| 亚洲国产日韩一区二区| 丁香六月欧美| 精品久久久久久久毛片微露脸 | 亚洲欧美中文字幕日韩二区| 伊人亚洲综合成人网| a级毛片黄视频| 在线看a的网站| 婷婷色综合www| 免费观看人在逋| 日韩免费高清中文字幕av| 最近中文字幕2019免费版| 午夜91福利影院| 国产精品一区二区在线观看99| 久久国产亚洲av麻豆专区| 看免费成人av毛片| 热re99久久国产66热| 色94色欧美一区二区| 男男h啪啪无遮挡| 成人亚洲精品一区在线观看| 好男人视频免费观看在线| 国产精品一区二区在线观看99| 精品高清国产在线一区| 色网站视频免费| 亚洲欧美一区二区三区久久| 男女之事视频高清在线观看 | 波野结衣二区三区在线| 午夜福利影视在线免费观看| 亚洲国产精品一区二区三区在线| 美女国产高潮福利片在线看| 免费看十八禁软件| 亚洲精品国产区一区二| 18禁黄网站禁片午夜丰满| 亚洲专区中文字幕在线| 亚洲国产av新网站| 国产亚洲精品第一综合不卡| 国产一区亚洲一区在线观看| 国产主播在线观看一区二区 | 五月开心婷婷网| 啦啦啦视频在线资源免费观看| 19禁男女啪啪无遮挡网站| 久久国产亚洲av麻豆专区| 成人亚洲精品一区在线观看| 婷婷色综合www| 亚洲七黄色美女视频| 日本欧美国产在线视频| 天天操日日干夜夜撸| 老司机在亚洲福利影院| 老鸭窝网址在线观看| 日韩 亚洲 欧美在线| a级毛片在线看网站| 亚洲精品一卡2卡三卡4卡5卡 | 日韩制服骚丝袜av| 国产在线观看jvid| 午夜久久久在线观看| 国产精品久久久人人做人人爽| 欧美大码av| 99re6热这里在线精品视频| 校园人妻丝袜中文字幕| 日韩熟女老妇一区二区性免费视频| 99久久综合免费| 久久人妻福利社区极品人妻图片 | 成人手机av| 晚上一个人看的免费电影| 少妇人妻 视频| 精品人妻1区二区| 爱豆传媒免费全集在线观看| 成年动漫av网址| 国产精品欧美亚洲77777| 国产91精品成人一区二区三区 | 国产高清videossex| 久久av网站| 高潮久久久久久久久久久不卡| 国产精品九九99| 亚洲国产最新在线播放| 人成视频在线观看免费观看| 国产日韩欧美视频二区| 别揉我奶头~嗯~啊~动态视频 | 最近中文字幕2019免费版| 免费在线观看视频国产中文字幕亚洲 | 国产黄频视频在线观看| 男人舔女人的私密视频| 欧美黄色淫秽网站| 男女无遮挡免费网站观看| 国产高清videossex| 91精品三级在线观看| 在线观看免费高清a一片| 亚洲九九香蕉| 国产黄色视频一区二区在线观看| 后天国语完整版免费观看| 亚洲 国产 在线| 日韩大片免费观看网站| 亚洲欧美色中文字幕在线| 亚洲av男天堂| av线在线观看网站| 亚洲熟女精品中文字幕| 一边摸一边做爽爽视频免费| 国产免费福利视频在线观看| 91九色精品人成在线观看| 亚洲七黄色美女视频| 又紧又爽又黄一区二区| 婷婷色综合大香蕉| 丝袜喷水一区| 黑人猛操日本美女一级片| 亚洲男人天堂网一区| 午夜福利视频精品| 国产福利在线免费观看视频| 久久精品国产亚洲av高清一级| 777久久人妻少妇嫩草av网站| 国产成人精品无人区| 97精品久久久久久久久久精品| 香蕉国产在线看| 老熟女久久久| 免费久久久久久久精品成人欧美视频| 高清视频免费观看一区二区| netflix在线观看网站| 亚洲一码二码三码区别大吗| 久久久久久免费高清国产稀缺| 亚洲欧美成人综合另类久久久| 欧美精品高潮呻吟av久久| www.熟女人妻精品国产| 日本黄色日本黄色录像| 男男h啪啪无遮挡| 在线看a的网站| 国产精品国产三级国产专区5o| 亚洲一卡2卡3卡4卡5卡精品中文| 精品亚洲成国产av| 777米奇影视久久| 宅男免费午夜| 好男人视频免费观看在线| 国产女主播在线喷水免费视频网站| 建设人人有责人人尽责人人享有的| 国产极品粉嫩免费观看在线| 日韩 欧美 亚洲 中文字幕| 精品第一国产精品| 久久女婷五月综合色啪小说| 老司机在亚洲福利影院| 别揉我奶头~嗯~啊~动态视频 | 亚洲欧美精品自产自拍| 国产视频一区二区在线看| 婷婷色综合大香蕉| 亚洲第一av免费看| 天堂8中文在线网| 色网站视频免费| 日韩 亚洲 欧美在线| 欧美人与性动交α欧美精品济南到| 在线观看人妻少妇| 亚洲国产中文字幕在线视频| 精品人妻熟女毛片av久久网站| 好男人视频免费观看在线| 男的添女的下面高潮视频| 亚洲精品在线美女| 一本—道久久a久久精品蜜桃钙片| 精品人妻在线不人妻| 久久青草综合色| 久久人妻熟女aⅴ| 亚洲中文字幕日韩| 桃花免费在线播放| 宅男免费午夜| 丰满少妇做爰视频| 18在线观看网站| 久久精品国产a三级三级三级| 日本猛色少妇xxxxx猛交久久| 捣出白浆h1v1| 欧美性长视频在线观看| 国产精品偷伦视频观看了| 97在线人人人人妻| 搡老乐熟女国产| 亚洲人成77777在线视频| 国产黄色视频一区二区在线观看| 18禁黄网站禁片午夜丰满| 精品视频人人做人人爽| 色视频在线一区二区三区| 叶爱在线成人免费视频播放| 午夜两性在线视频| 日本一区二区免费在线视频| 亚洲伊人色综图| 精品久久久久久电影网| 午夜免费男女啪啪视频观看| 黄色毛片三级朝国网站| 久久国产精品大桥未久av| 精品久久久精品久久久| 久久久久久久久久久久大奶| 成年av动漫网址| www.精华液| 看免费成人av毛片| 手机成人av网站| 国产欧美日韩综合在线一区二区| 在线观看免费视频网站a站| 中文字幕av电影在线播放| 人成视频在线观看免费观看| 天天躁夜夜躁狠狠躁躁| 欧美少妇被猛烈插入视频| 色94色欧美一区二区| 一级a爱视频在线免费观看| 亚洲欧美成人综合另类久久久| 日韩欧美一区视频在线观看| 热re99久久国产66热| 色精品久久人妻99蜜桃| 人人妻,人人澡人人爽秒播 | 久久精品aⅴ一区二区三区四区| 黄色毛片三级朝国网站| a级毛片在线看网站| 99久久人妻综合| 搡老乐熟女国产| 国产有黄有色有爽视频| 亚洲精品国产区一区二| 又粗又硬又长又爽又黄的视频| 亚洲精品美女久久久久99蜜臀 | 国产一区二区三区av在线| 搡老岳熟女国产| 亚洲色图综合在线观看| 美女大奶头黄色视频| 丝瓜视频免费看黄片| 国产人伦9x9x在线观看| 欧美日韩亚洲综合一区二区三区_| 久久久精品区二区三区| 亚洲国产欧美在线一区| 国产在线免费精品| 一二三四在线观看免费中文在| 极品人妻少妇av视频| 尾随美女入室| 欧美精品啪啪一区二区三区 | 亚洲综合色网址| 亚洲男人天堂网一区| www日本在线高清视频| 观看av在线不卡| 日韩欧美一区视频在线观看| 王馨瑶露胸无遮挡在线观看| 国产精品偷伦视频观看了| 在线观看一区二区三区激情| 一级毛片女人18水好多 | 国产欧美日韩一区二区三区在线| 欧美国产精品一级二级三级| 最近中文字幕2019免费版| 久久久久久免费高清国产稀缺| 又粗又硬又长又爽又黄的视频| 亚洲中文av在线| 亚洲精品成人av观看孕妇| 操美女的视频在线观看| 久久精品国产亚洲av涩爱| 下体分泌物呈黄色| 99热网站在线观看| 亚洲精品美女久久久久99蜜臀 | 免费在线观看黄色视频的| 国产精品久久久人人做人人爽| 国产在视频线精品| 男人操女人黄网站| 久久精品aⅴ一区二区三区四区| 亚洲欧美一区二区三区久久| 欧美日韩视频精品一区| 一区二区日韩欧美中文字幕| 一级毛片我不卡| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品久久久人人做人人爽| 夜夜骑夜夜射夜夜干| 观看av在线不卡| 久久天堂一区二区三区四区| 久久精品亚洲熟妇少妇任你| 欧美日韩福利视频一区二区| 亚洲人成网站在线观看播放| 一本大道久久a久久精品| 操出白浆在线播放| 久久亚洲国产成人精品v| www日本在线高清视频| 亚洲国产av新网站| www.999成人在线观看| 亚洲欧美精品综合一区二区三区| 首页视频小说图片口味搜索 | 亚洲午夜精品一区,二区,三区| 国产成人91sexporn|