100 积分
50
评分
4.3 积分- 详情
- 2020-12-27
- 简介
pdf
- 1.6MB
- 页数 7P
- 阅读 82
- 下载 24
随着经济的发展,电力需求在全世界范围内越来越大,而其中清洁能源的发展占据了新能源开发的主导地位.在我国,风力发电是新能源发展的重中之重.可是风力发电的效率很难控制,基于风力大小的发电依赖于装机容量,或者说依赖于风电场准备发出多少电力.党风电场制造的电力高于实际需求时,由于电力的难于存储性,多余出的电力实际被浪费,当风电场制造的电力低于实际需求时,又会影响实际的工业发展与民用需求.考虑到风电场的装机容量之巨大,0.1个百分点的效率提升,都会给风电场带来巨大的经济利益.本文致力于应用组合模型于电力需求预测并得到精确的预测结果,从而指导实际运营中风电场的电力供给计划.在这篇文章中,ENNM(ElmanNetworkModel)和ARSRM(SplineRollingAuto-RegressiveModel)被应用与短期电力数据预测与中长期电力数据预测.组合模型的测试在NewSouthWales的实际数据中测试.就在我们做出研究的期间,NewSouthWales的电力需求波动与6000kWh与13000kWh之间.我们通过对总体数据的分析,提出了一种新的基于电力卡方测试的分类方式.通过这种方式电力数据可以被分为7种.我们以字母A~G来命名分类后的数据.与此同时,数据会被分类为两个部分,其中的一个部分含有两个或两个以下的极值点,另一部分含有三个或三个以上的极值点,这种分类是为了帮助我们更好的研究数据特性并为我们能够更好的应用模型做出贡献.
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于组合模型的电力预测方法 1.6MB
一种基于变权动态组合模型的电力负荷预测方法 178KB
基于灰色-时序组合模型的建筑物沉降预测方法 351KB
基于深度CRBM模型的建筑能耗预测方法 3.4MB
一例基于灰色模型的电力负荷预测方法的应用 429KB
基于灰色模型的铁路客流预测方法 74KB
基于灰色模型和神经网络组合的短期负荷预测方法 277KB
基于灰色模型的建筑物沉降预测方法 293KB
基于HMM模型的电力负荷预测模型研究 1.6MB
基于改进极限学习机的短期电力负荷预测方法 871KB