基于非高斯分布GARCH模型的负荷预测

提出一种基于非高斯分布的广义自回归条件异方差(GARCH)模型的短期负荷预测方法.在论证自回归条件异方差(ARCH)效应存在性的基础上,将标准GARCH模型的正态条件分布假设推广为非高斯条件分布的形式(t分布、广义误差分布).用极大似然估计获得ARCH族各模型的参数估计,建立了非高斯分布假设GARCH模型(GARCH-t,GARCH-GED).比较了ARMA、标准GARCH、非高斯分布GARCH模型的预测能力,分析平均预测误差、最大预测误差能力等指标显示GARCH-GED模型表现最出色.算例表明,基于非高斯分布GARCH负荷预测模型是有效而可行的.     

基于云理论的风电场群长期出力区间预测

风电的不确定性给风电集群式开发和并网带来极大挑战,风电功率的点预测已很难满足电网长期灵活规划的实际需求。针对风电场群的长期风电功率区间预测问题,提出了一种基于云理论的D藤PairCopula-GARCH-t模型,用于预测风电场群的出力区间。GARCH-t模型较为准确地反映了预测误差的尖峰厚尾特性,提高了风电功率预测的精度。D藤Pair Copula模型有效地描述了风电场群之间出力的相关性。以期望、熵和超熵为数字特征的云模型预测出的风电功率区间,不仅能反映风电的随机性和模糊性,也能合理地描述两者之间的关联性,为规划人员作长期风电并网规划提供参考。