基于贝叶斯推理的短期风速预测

《基于贝叶斯推理的短期风速预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TK8l国际图书分类号：621．3学校代码：10079密级：公开工学硕士学位论文基于贝叶斯推理的短期风速预测硕士研究生：导师：申请学位：学科：专业：所在学院：答辩日期：授予学位单位：汤鑫黄仙工学硕士控制科学与工程系统工程控制与计算机工程学院2013年3月华北电力大学ClassifiedIndex：TK81U．D．C：621．3DissertationfortheMaster’SDegreeinEngineeringShort-·termWindSpeedPredictionBasedonBayesianInferenceCandidate：Su

2、pervisor：AcademicDegreeAppliedfor：Speciality：School：DateofDefence：TangXinHuangXianMasterofEngineeringSystemEngineringSchoolofControlandComputerrsngmermgMarch，2013Degree-Conferring-Institution：NorthChinaElectricPowerUniversity华北电力大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于贝叶斯推理的短期风速预测》，是本人在导

3、师指导下，在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：彻应，日期：列；年多月为日华北电力大学硕士学位论文使用授权书《基于贝叶斯推理的短期风速预测》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部门

4、送交论文的复印件和电子版本，允许论文被查阅和借阅，学校可以为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。本人授权华北电力大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“√”)：保密口，在年解密后适用本授权书不保密∥日期：为13年歹月){日日期：为}弓年弓月2fEt7应一事乒气汽蓍名签者师作导华北电力大学硕士学位论文摘要风能作为一种分布广、蕴藏量大的清洁能源越来越受到重视。随着目前风力发电技术的飞速发展，风电入网对电能质量、电力系统安全运行会造成一定影响。因此高精度的风电功率预测对

5、于保证电网的安全运行有非常重要的意义，而准确的风速预测又是风电功率预测的基础。本文采用两类研究时间序列波动性的模型(GARCH模型和SV模型)分析风速时间序列，解决了传统时间序列方法中ARMA模型不能对风速时间序列的波动性进行研究的问题。并且应用时间序列结构方程模型分析了多组风速时间序列和潜在变量之间的关系。对于上述模型中未知参数的辨识方法本文采用贝叶斯推理。贝叶斯方法与极大似然法相比有以下几个优点：第一，贝叶斯推理把先验信息加入到统计推断中，可以提高统计推断的质量。第二，贝叶斯推理关注的是原始观测值，而不是样本协方差矩阵，不需要随机观测值独立同分布于多元正态

6、分布的假设。第三，在小样本情况下贝叶斯推理的稳健性要优于极大似然法。因此，本文采用贝叶斯推理辨识上述模型中的未知参数，首先采用MCMC构建一条平稳分布的马尔科夫链以获取未知参数的后验分布，然后由MonteCarlo积分公式得到未知参数的后验均值和方差。上述模型均采用风电场实测数据进行了仿真验证，结果表明基于贝叶斯推理的GARCH模型和SV模型更适合于刻画风速时间序列。关键词：贝叶斯；蒙特卡洛马尔科夫链；风速预测；时间序列；广义自回归条件异方差模型；随机波动模型华北电力大学硕士学位论文AbstractWindasacleanenergyofwidelydistr

7、ibutedandlargereserveswhichgetmoreattention．Withtherapiddevelopmentofwindpowertechnology，itbringssomeimpactonthepowerqualityandtheoperationofpowersystem．Highprecisionofthewindpowerpredictionisveryimportantforthesafeoperationofthegrid．Also，Theaccuratewindspeedpredictionisthebasisofwi

8、ndpowerprediction．I