數(shù)學(xué)建模優(yōu)秀論文-風(fēng)電功率預(yù)測(cè)問題-wenkub.com
2024-10-30 00:52 本頁(yè)面
【正文】 （ 2）運(yùn)行程序時(shí)，請(qǐng)把附件中所 給的數(shù)據(jù)一同放在 MATLAB 工作目錄下。r39。 % plot(relative_58(:)) x=1:672。Sheet139。)。,39。 relative_4=abs((p4pa3)./p4)。39。 relative_D=abs((pdpa3)./pd)。39。,39。 % plot(relative_C(:)) pd=xlsread(39。Sheet139。)。,39。 relative_B=abs((pbpa3)./pb)。39。,39。 % plot(relative_A(:)) pb=xlsread(39。Sheet139。)。,39。,A_data)。 po = 。r39。 %armax(p,q),[p_test q_test]對(duì)應(yīng) AIC 值最小 figure e = resid(m1,z(1:2020))。 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)。 for p = 1:10 %自回歸對(duì)應(yīng) PACF,給定滯后長(zhǎng)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(dòng)平均對(duì)應(yīng) ACF m = armax(z(1:2020),[p q])。 end end figure subplot(2,1,1) autocorr(DX)。 else DX=diff(y,i)。 [H,PValue,TestStat,CriticalValue] = dfARDTest(y,[],39。y=y(:)。A1:CR2839。39。,39。 a3=xlsread(39。機(jī)組 B風(fēng)功率實(shí)測(cè)數(shù)據(jù) 39。)。,39。 end （ 3） 自回歸移動(dòng)模型預(yù)測(cè) clear。 %預(yù)測(cè) x0=x(2:k,21k+1)。 = 。,39。 21 = newff(pr,[8,5,1],{39。Xmax=*ones(k1,1)。 for i=1:21k+1 x(1:k,i)=temp(i:k+i1)。A1:CR2839。39。 yy(i)=[1,xx]*beta。 x5x=x0(5)*x0(6:end)。 for i=1:96 x1x=x0(1)*x0(2:end)。 rstool(x,y,39。 end x(21*12,:)=temp(k*i:k*(i+1)1)。temp=temp(:)。,39。clc a=xlsread(39。 rcoplot(r,rint) clear i j k stats1 stats2 temp x1 x2 y1 y2 long %預(yù)測(cè) x0=a(21,65:96)。 x3(j,:)=x2(i,:)。 end end y2=y239。 % rcoplot(r,rint) j=0。 19 x1(j,:)=x(i,:)。 y=y39。 y(21*31)=temp(k*i)。 k=32。A1:CR2839。39。 模型的改進(jìn) 1． 對(duì)于在應(yīng)用 多元二項(xiàng)式回歸模型、反向傳播的 BP 神經(jīng)網(wǎng)絡(luò)模型 、時(shí)間序列中的自回歸移動(dòng)平均模型（ ARMA）對(duì)風(fēng)電功率進(jìn)行預(yù)測(cè) 之前，對(duì)部分不合理數(shù)據(jù)進(jìn)行必要的處理。所以，風(fēng)電預(yù)測(cè)精度不可能到達(dá) 100%。 原理示意圖如圖 10 所示 . 16 數(shù)據(jù)序列時(shí) 間 序 列 xi時(shí) 間 序 列 yiA R M A 1A R M A 2......預(yù) 測(cè) 值預(yù) 測(cè) 值神 經(jīng) 網(wǎng) 絡(luò) 組合 器神 經(jīng) 網(wǎng) 絡(luò) 組合 器 圖 10 原理示意圖 所以最后所建立的預(yù)測(cè)模型為： 111 1 1 1 ( )1122 2 1 1 ( )11( , [ , ] )nmt i t i t j t jijnmt i t i t j t jijttxxyyP sim n e t x y? ? ? ?? ? ? ??????????? ? ????? ? ???? ??????? 模型的求解 對(duì)于兩個(gè) 時(shí)間序列的 自回歸移動(dòng)平均模型（ ARMA） 參數(shù)的確定同 一樣的求解方法；對(duì)于神經(jīng)網(wǎng)絡(luò)機(jī)構(gòu)參數(shù)的確定同 一樣。 6 問題三 的解答 模型 的建立 為了 提高風(fēng)電功率實(shí)時(shí)預(yù)測(cè)的準(zhǔn)確程度 ， 改善風(fēng)電聯(lián)網(wǎng)運(yùn)行 的 性能 ，問題 3在問題 1 的基礎(chǔ)上， 重新構(gòu)建了 實(shí)時(shí) 預(yù)測(cè)模型 。 （ 2） 結(jié)果 計(jì)算及比較 在 MATLAB中 利用問題一中采用自回歸移動(dòng)模型預(yù)測(cè)的結(jié)果進(jìn)行相對(duì)誤差計(jì)算，分別計(jì) 算 5 月 31 至 6 月 6 日 單 臺(tái)風(fēng)電機(jī)組功率 （ PA， PB， PC， PD） 的 功率相對(duì)預(yù)測(cè)誤差 和多機(jī)總功率 的相對(duì)預(yù)測(cè)誤差， 并在 MATLAB 中作出 PA、 P4和 P58 的相對(duì)誤差圖，如圖 9所示。在我國(guó)主要采用集中開發(fā)的方式開發(fā)風(fēng)電，各風(fēng)電機(jī)組功率匯聚通過風(fēng)電場(chǎng)或風(fēng)電場(chǎng)群（多個(gè)風(fēng)電場(chǎng)匯聚而成）接入電網(wǎng)。 （ 2）模型的合格率 2 11100%(1 ) 100% 75% , 1(1 ) 100% 75% , 0NkkM k P kkM k P kkrBNPPBC apPPBC ap??????? ?? ? ? ???? ?? ? ? ???? 根據(jù) 模型的準(zhǔn)確率和合格率公式，計(jì)算得出采用三種預(yù)測(cè)模型得到的 2020 年 5月 31 日各機(jī)組發(fā) 電功率的準(zhǔn)確率及合格率， 準(zhǔn)確率 如表 2 所示 ，合格率如表 3 所示 。 在此基礎(chǔ)上就可以對(duì)各機(jī)組進(jìn)行風(fēng)電場(chǎng)功率實(shí)時(shí)預(yù)測(cè)。 本文采用的準(zhǔn)則函數(shù)是 AIC 準(zhǔn)則函數(shù)，其定義為 ? ? 2ln 2aAIC p N p??? ○13 式中， 2a? 是殘差的方差； p 是模 型的階數(shù)，對(duì)于 ARMA(n,m)模型， p m n??；對(duì)于 AR(n)模型， pn? 。為解該非線性方程組，本文采用 GaussSeidel法，效果良好。 。 ⑴ 模型參數(shù)估計(jì) 當(dāng)估計(jì)自回歸滑動(dòng)平均模型 ARMA(n,m)參數(shù) i? ， j? 和 2a? 時(shí)，采用先后估計(jì)法。 ⑵ 功率時(shí)間序列模型 的建立 ： 對(duì)風(fēng)電機(jī)組輸出功率數(shù)據(jù)建立自回歸滑動(dòng)平均模型ARMA(n,m)如下： 11nmt i t i t j t jijxx? ? ? ?????? ? ??? ① 式中 i? （ i=1,2，?， n）為自回歸參數(shù)； j? （ j=1,2，?， n）為滑動(dòng)平均參數(shù)； ??t? 是一零均值﹑方差為 2a? 的正態(tài)白噪聲過程。 ③ BP 網(wǎng)絡(luò)訓(xùn)練效果檢驗(yàn) 為了驗(yàn)證所建立的 BP 神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性， 把 已知所給出的風(fēng)電功率和由神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的值進(jìn)行比較，并在 MATLAB 中作出圖 5。（預(yù)測(cè)結(jié)果見附近） 用 BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)風(fēng)電功率的預(yù)測(cè) 模型的建立 1 3 1 2 1 2( , [ , , , ] )t t t tx sim n e t x x x? ? ? ?? ??? 其中， 為一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)， 1 2 12[ , , , ]t t tx x x? ? ???? 為按照時(shí)間段先后順序的機(jī)組發(fā)電功率。 利用修正后的回歸模型進(jìn)行預(yù)測(cè)，此處僅預(yù)測(cè)了 PA 機(jī)組 2020 年 5 月 31 日的風(fēng)電發(fā)電功率，如下表 1 所示： 表 1 時(shí)間段 1 2 3 ? 95 96 預(yù)測(cè)值 438 290 282 ? 從預(yù)測(cè)數(shù)據(jù)可以看出， 該模型預(yù)測(cè)準(zhǔn)確性極差，繼而不選用 多元線性回歸分析的模型 。 現(xiàn)得到 n 個(gè)獨(dú)立觀測(cè)數(shù)據(jù) ? ?1, , ,i i imy x x ， 1, , ,i n n m??，由 上 式得 ? ?0 1 12~ 0 , , 1 , ,i i m im iiy x xN i n? ? ? ???? ? ? ? ???? ??? ② 5 記 1 1 1111mn nmxxXxx??????? ， 1nyYy??????????? ③ ? ?1 Tn? ? ?? ， ? ?01 Tm? ? ? ?? 整理 為 ?
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1