數(shù)學(xué)建模優(yōu)秀論文-風(fēng)電功率預(yù)測問題-資料下載頁
2025-10-25 00:52本頁面
【導(dǎo)讀】安全穩(wěn)定運行帶來很大影響。為了合理地利用風(fēng)電，提高電力系統(tǒng)經(jīng)濟性，需要對風(fēng)電。對于問題一：為實時預(yù)測5月31日之后PA、PB、PC、PD、P4、P58的風(fēng)電功率，對各預(yù)測模型的誤差進行了分析。預(yù)測結(jié)果與真實值相比表明：多元二項式回歸預(yù)測的。準確率最低，ARMA模型預(yù)測的準確率最高。以PA機組為例，用5月31至6月6日的平。均準確率來衡量，二項式回歸模型的準確率為%，神經(jīng)網(wǎng)絡(luò)模型的準確率為%，僅與風(fēng)速有關(guān)，還與空氣密度有關(guān)。兩個時間序列，分別為鄰近時間段的發(fā)電功率和鄰近幾天中同一時刻的發(fā)電功率。測精度不可能到達100%。先安排調(diào)度計劃，保證電網(wǎng)的功率平衡和運行安全。在附件1國家能源局頒布的風(fēng)電場功率預(yù)測預(yù)報管理暫行辦法中給出了誤。差統(tǒng)計的相應(yīng)指標。某風(fēng)電場由58臺風(fēng)電機組構(gòu)成，每臺機組的額定輸出功率為850kW。及全場58臺機組總輸出功率數(shù)據(jù)。精度的相關(guān)要求。假設(shè)2：假設(shè)所有的風(fēng)電機組都在正常的運行，忽略其故障及修理時間。
【正文】 on39。)。 %quadratic purequadratic %預(yù)測 x0=a(21,89:96)。 for i=1:96 x1x=x0(1)*x0(2:end)。 x2x=x0(2)*x0(3:end)。 x3x=x0(3)*x0(4:end)。 x4x=x0(4)*x0(5:end)。 x5x=x0(5)*x0(6:end)。 x6x=x0(6)*x0(7:end)。 x7x=x0(7)*x0(8)。 xx=[x0,x1x,x2x,x3x,x4x,x5x,x6x,x7x]。 yy(i)=[1,xx]*beta。 x0=[x0(2:end),yy(i)]。 end （ 2） 神經(jīng)網(wǎng)絡(luò)預(yù)測 clear。clc a=xlsread(39。39。,39。機組 A 風(fēng)功率實測數(shù)據(jù) 39。,39。A1:CR2839。)。 for ins=1:96 temp=a(1:21,ins)。 k=5。 for i=1:21k+1 x(1:k,i)=temp(i:k+i1)。 end shuju=x。 shuju=shuju/850。 Xmin=*ones(k1,1)。Xmax=*ones(k1,1)。 pr=[Xmin,Xmax]。 p=shuju(1:k1,:)。 goal=shuju(k,:)。 21 = newff(pr,[8,5,1],{39。logsig39。,39。logsig39。,39。logsig39。})。 = 10。 = 。 = 1e10。 = 50000。 = train(,p,goal)。 %預(yù)測 x0=x(2:k,21k+1)。 x0=x0/850。 xx(ins)=sim(,x0)。 xx(ins)=xx(ins)*850。 end （ 3） 自回歸移動模型預(yù)測 clear。clc。 a1=xlsread(39。39。,39。機組 A風(fēng)功率實測數(shù)據(jù) 39。,39。A1:CR2839。)。 a2=xlsread(39。39。,39。機組 B風(fēng)功率實測數(shù)據(jù) 39。,39。A1:CR2839。)。 a3=xlsread(39。39。,39。機組 C風(fēng)功率實測數(shù)據(jù) 39。,39。A1:CR2839。)。 a4=xlsread(39。39。,39。機組 D風(fēng)功率實測數(shù)據(jù) 39。,39。A1:CR2839。)。 a=a1+a2+a3+a4。 y=a(1:28,:)39。y=y(:)。 subplot(2,1,1) autocorr(y(1:2020))。 %原序列的自相關(guān)函數(shù)圖 MA(q),觀察系數(shù)是否在區(qū)間(2T^(1/2),2T^(1/2))內(nèi) subplot(2,1,2) parcorr(y(1:2020))。 %原序列的偏相關(guān)函數(shù)圖 AR(p)，觀察系數(shù)是否在區(qū)間(2T^(1/2),2T^(1/2))內(nèi) %如果該序列不是平穩(wěn)的做差分圖，否則跳過該步 DX=y。 [H,PValue,TestStat,CriticalValue] = dfARDTest(y,[],39。T39。)。 %是否是穩(wěn)定序列 for i = 1:10 if H == 1 break。 else DX=diff(y,i)。 %進行差分 [H,PValue,TestStat,CriticalValue] = dfARDTest(DX,[],39。T39。)。 end end figure subplot(2,1,1) autocorr(DX)。 22 subplot(2,1,2) parcorr(DX)。 %對 差分后的序列做擬合和預(yù)測，求出最好的階數(shù) z=iddata(DX)。%將 DX 轉(zhuǎn)化為 matlab 接受的格式 test = []。 for p = 1:10 %自回歸對應(yīng) PACF,給定滯后長度上限 p和 q，一般取為 T/ ln(T)或 T^(1/2),這里取 T/10=12 for q = 1:10 %移動平均對應(yīng) ACF m = armax(z(1:2020),[p q])。 AIC = aic(m)。 %armax(p,q),選擇對應(yīng) FPE 最小， AIC 值最小的模型 test = [test。p q AIC]。 end end for k = 1:size(test,1) if test(k,3) == min(test(:,3)) %選擇 AIC 值最小的模型 p_test = test(k,1)。 q_test = test(k,2)。 break。 end end %擬合過程 m1 = armax(z(1:2020),[p_test q_test])。 %armax(p,q),[p_test q_test]對應(yīng) AIC 值最小 figure e = resid(m1,z(1:2020))。 %擬合做殘差分析 plot(e)。 %檢驗殘差的自相關(guān)和偏相關(guān)函數(shù) figure subplot(2,1,1) autocorr() %一階差分序列 z 自相關(guān)函數(shù)圖 MA(q)，置信水平 subplot(2,1,2) parcorr() %一階差分序列 z偏相關(guān)函數(shù)圖 AR(p)，置信 水平 %預(yù)測過程 pp=predict(m1,z,16)。 figure plot(z,39。r39。,pp,39。b39。)。 po = 。 %保存數(shù)據(jù) for i=1:7 A_data(i,:)=po(2017+96*(i1):2017+95+96*(i1))。 23 end xlswrite(39。39。,A_data)。 （ 4） 準確率及合格率計算程序 clear。clc %準確率 pa=xlsread(39。39。,39。機組 A風(fēng)功率實測數(shù)據(jù) 39。,39。A22:CR2839。)。 pa3=xlsread(39。39。,39。Sheet139。)。 relative_A=abs((papa3)./pa)。 relative_A=relative_A39。 % plot(relative_A(:)) pb=xlsread(39。39。,39。機組 B風(fēng)功率實測數(shù)據(jù) 39。,39。A22:CR2839。)。 pa3=xlsread(39。39。,39。Sheet139。)。 relative_B=abs((pbpa3)./pb)。 relative_B=relative_B39。 % plot(relative_B(:)) pc=xlsread(39。39。,39。機組 C風(fēng)功率實測數(shù)據(jù) 39。,39。A22:CR2839。)。 pa3=xlsread(39。39。,39。Sheet139。)。 relative_C=abs((pcpa3)./pc)。 relative_C=relative_C39。 % plot(relative_C(:)) pd=xlsread(39。39。,39。機組 D風(fēng)功率實測數(shù)據(jù) 39。,39。A22:CR2839。)。 pa3=xlsread(39。39。,39。Sheet139。)。 relative_D=abs((pdpa3)./pd)。 relative_D=relative_D39。 % plot(relative_D(:)) p4=pa+pb+pc+pd。 pa3=xlsread(39。39。,39。Sheet139。)。 relative_4=abs((p4pa3)./p4)。 relative_4=relative_439。 % plot(relative_4(:)) a58=xlsread(39。39。,39。58 臺機組總風(fēng)功率數(shù)據(jù) 39。,39。A22:CR2839。)。 pa3=xlsread(39。39。,39。Sheet139。)。 relative_58=abs((a58pa3)./a58)。 relative_58=relative_5839。 % plot(relative_58(:)) x=1:672。 plot(x,relative_A(:),39。b39。,x,relative_4(:),39。r39。,x,relative_58(:),39。+39。) 24 說明：（ 1）對于 PA、 PB、 PC、 PD、 P P58 的風(fēng)電功率 的預(yù)測及準確率與合格率計算，程序可能在運行中需要小的調(diào)整。 （ 2）運行程序時，請把附件中所 給的數(shù)據(jù)一同放在 MATLAB 工作目錄下。
公司管理相關(guān)推薦
鄂ICP備17016276號-1