【文献综述】时间序列预测――在股市预测中的应用

文献综述

信息与计算科学

时间序列预测――在股市预测中的应用

时间序列是一种重要的高维数据类型, 它是由客观对象的某个物理量在不同时间点的采样值按照时间先后次序排列而组成的序列, 在经济管理以及工程领域具有广泛应用. 例如证券市场中股票的交易价格与交易量、外汇市场上的汇率、期货和黄金的交易价格以及各种类型的指数等, 这些数据都形成一个持续不断的时间序列. 利用时间序列数据挖掘, 可以

]1[

获得数据中蕴含的与时间相关的有用信息, 实现知识的提取.

时间序列分析方法最早起源于1927年, 数学家耶尔(Yule)提出建立自回归(AR)模型来预测市场变化的规律, 接着, 在1931年, 另一位数学家瓦尔格(Walker)在A R模型的启发下, 建立了滑动平均(MA)模型和自回归、滑动平均(ARMA)混合模型, 初步奠定了时间序列分析方法的基础, 当时主要应用在经济分析和市场预测领域. 20世纪60年代,时间序列分析理论和方法迈入了一个新的阶段, 伯格(Burg)在分析地震信号时最早提出最大熵谱(MES)估计理论, 后来有人证明AR模型的功率谱估计与最大熵谱估计是等效的, 并称之为现代谱估计. 它克服了用传统的傅里叶功率谱分析(又称经典谱分析)所带来的分辨率不高和频率漏泄严重等固有的缺点, 从而使时间序列分析方法不仅在时间域内得到应用, 而且扩展到频率域内, 得到更加广泛的应用, 特别是在各种工程领域内应用功率谱的概念更加方便和普遍. 到20世纪70年代以后, 随着信号处理技术的发展, 时间序列分析方法不仅在理论上更趋完善, 尤其是在参数估计算法、定阶方法及建模过程等方面都得到了许多改进, 进一步地迈向实用化, 各种时间序列分析软件也不断涌现, 逐渐成为分析随机数据序列不可缺少的有效工具

]2[

之一.

随着时间序列分析方法的日趋成熟, 其应用领域越来越广泛, 主要集中在预报预测领域, 例如气象预报、市场预测、地震预报、人口预测、汛情预报、产量预测, 等等. 另一个应用领域是精密测控, 例如精密仪器测量、精密机械制造、航空航天轨道跟踪和监控,以及遥控遥测、精细化工控制等. 再一个应用领域是安全检测和质量控制. 在工程施工和维修中经常会出现异常险情, 采用仪表监测和时间序列分析方法可以随时发现问题, 及早排除故障, 以保证生产安全和质量要求. 以上仅仅列举了某些应用领域,实际上还有许多应用, 不胜

]4,3[

枚举.

股票市场在中国社会经济生活中起着越来越重要的作用. 截至2006年底, 沪深两市总市值为89403.89亿元, 市值规模上升至全球第10位, 亚洲第3位. 由于中国股票市场在国民经济中的地位和作用不断提高, 无论是从政府宏观决策层面还是从具体投资者微观层面

对股票市场价格行为进行深入研究的需求都显得尤为迫切. 股票市场价格行为一是指股票市场价格如何变化, 即价格是上涨还是下跌; 二是指价格变化的波动, 根据资本资产定价模型, 股票风险是决定其价格的重要因素, 在现代财务理论里面也常以波动来代表风险, 并以股票收益的方差或者标准差来度量. 对股票市场价格行为进行研究, 在宏观和微观方面都有重要的现实意义. 从宏观上来看, 政府制定干预市场政策的基础是深刻理解股票市场的行为与波动特征; 从微观上来看, 能影响包括投资者在内的市场参与者的市场投资策略. 研究股票行为的方法或理论多种多样, 而用时间序列预测方法来研究股票的行为是非常合适的, 因为我们可以通过一组股票价格的时间序列观测值来预测未来股票的走向, 从而为我们对控

]5[

制股票的行为得到理论依据.

参考文献

[1] 肖冬荣, 王丽娜.基于ARMA模型的经济非平稳时间序列的预测分析[J]. 武汉理工

大学学报: 交通科学与工程版, 2004, 28(1): 33-34.

[2] 王达, 荣冈. 时间序列的模式距离[J]. 浙江大学学报(工学版), 2004, 38(7): 95-98.

[3] 张军. 基于时间序列相似性的数据挖掘方法研究[D]. 南京: 东南大学, 2006.

[4] 周广旭. 一种新的时间序列分析算法及其在股票预测中的应用[J]. 计算机应用,

2005, 25(9): 2179-2181, 2184.

[5] 王达, 荣冈. 时间序列的模式距离[J]. 浙江大学学报(工学版), 2004, 38(7): 795-798.

[6] Dong Xiaoli,Gu Chengkui,Wang Zhengou.Research on shape-based time series

similaritymeasure [J]. Dianzi Yu Xinxi Xuebao,2007,29(5):1228-1231.

风力发电机文献综述

毕业设计文献综述 题目：立轴风力发电机 学生姓名：李春鹏学号：090501224 专业：机械设计制造及其自动化 指导教师：刘恩福 2013年2月27日

一、摘要 风能利用技术的快速发展已使风能成为目前最重要的一种可再生资源。现有的风能转化系统大部分将风能通过风力机装置转化为机械能，然后通过电机转化为电能，通常风力机按风轮旋转轴在空间的方向，分为水平轴风力机（HorizontalAxis Wind Turbine简称为HAWT）和立轴风力机（Vertical Axis Wind Turbine简称为VAWT）两大类，达里厄型（Darrieus）风力机为立轴风力机的典型机型。立轴风力机由于其结构和气动性能的独特优势，越来越被人们重视。变速风力机可以在很大的风速范围内工作，而且能最大限度的捕获风能，提高风力发电机的效率，而成为当前该领域的研究热点。本文以大型变速立轴风力机为研究对象，风力机为典型的达里厄型风力机，直接驱动永磁同步电机发电。通过建立风力机气动性能评估模型、传动系统模型、电机以及控制系统的模型，并在MATLAB/SIMULINK进行仿真模拟，得到风力机在各种工况下的运行情况，并实现了最大风能追踪的算法。 变速风力发电机提高了风能利用率，但增加了控制系统的难度，本文对最大风能追踪策略的理论进行分析研究。分析了达里厄型风力机的气动性能评估模型，该模型是基于叶素动量理论的双多流管模型，考虑了达里厄型风力机旋转时叶片对风轮下盘面流动干涉的特性，以及翼型动态失速、气动阻力的影响，对1MW达里厄型风力机进行计算分析，得到了该风力机的气动性能，如风力机在各风速下的气动转矩与转速的关系，以及在各风速下的气动功率与转速的关系，为仿真模拟提供基础。根据仿真的需要分别建立了风力机传动系统模型、永磁同步电机模型、最大功率跟踪算法等模型。永磁同步发电机在同步旋转轴下建立，并对同步电机的解耦控制做了分析，最大功率跟踪算法采用尖速比控制方法。最后在MATLAB/SIMULINK中且搭建了整个系统的仿真模型，对1MW 达里厄型风力机低风速气动、高风速刹车、额定风速下变风速运行等工况进行了仿真模拟。通过模拟得到风力机在各种工况下的运行情况，实现了最大风能追踪的算法，采用尖速比的控制方法追踪最大风能的效果显著，为进一步立轴风力发电机控制系统的设计提供依据。 ABSTRACT The rapid progress on wind energy conversion technology has made wind energy tobe one of the most important renewable and sustainable energy.Current wind energy conversion system translates the wind energy to mechanical energy by wind turbine,and then converts it to electricity by generator.According to the direction of the revolving shaft in space,wind turbine includes two types,one is horizontal axis wind turbine(HAWT for short),and the other is vertical axis wind turbine(VAWT for short),thevertical axis wind turbine is famous for Darrieus type.There has been growing attention to vertical axis wind turbine for its unique structural and aerodynamic advantages.As variable speed wind turbine works at larger ranger of wind speed,utilizes much more wind energy,Improve the efficiency of wind turbines.So it has become the hot topic in the field.This paper is basic on large variable speed vertical axis wind turbine.The wind turbine is Darrieus type,and it dives permanent magnet synchronous generator directly.Through establishment of aerodynamic performance evaluation model,dive-train model,generator and control system model,and simulating of the wind turbine system model in MATLAB/SIMULINK,we can obtain the performance of wind turbine in a variety of conditions,and achieve the algorithm of Maximum Power Point Tracking. Although variable speed wind turbine Improve the efficiency it Increase the difficulty of the control system.The Maximum Power Point Tracking control Strategy theory is analyzed in this paper.The aerodynamic performance evaluation model is established,it's the double-disk multiple stream-tube model in the framework of blade element momentum theory,the airfoil dynamic stall effect and aerodynamic losses were included.we obtained the aerodynamic performance by calculating for the1MW Darrieus vertical axis wind turbine,such as the relationship between aerodynamic torque and rotating speed at different wind speed,the relationship between aerodynamic power and rotating speed at different wind

风力发电并网稳定性研究开题报告

Xx大学 毕业设计（论文）开题报告题目风力发电并网稳定性研究 系（院）自动化系年级 专业电气工程与自动化班级 学生姓名学号 指导教师职称 xxx教务处 二〇一一年三月 开题报告填表说明

1.开题报告是毕业设计（论文）过程规范管理的重要环节，是培养学生严谨务实工作作风的重要手段，是学生进行毕业设计（论文）的工作方案，是学生进行毕业设计（论文）工作的依据。 2.学生选定毕业设计（论文）题目后，与指导教师进行充分讨论协商，对题意进行较为深入的了解，基本确定工作过程思路，并根据课题要求查阅、收集文献资料，进行毕业实习（社会调查、现场考察、实验室试验等），在此基础上进行开题报告。 3.课题的目的意义，应说明对某一学科发展的意义以及某些理论研究所带来的经济、社会效益等。 4.文献综述是开题报告的重要组成部分，是在广泛查阅国内外有关文献资料后，对与本人所承担课题研究有关方面已取得的成就及尚存的问题进行简要综述，并提出自己对一些问题的看法。 5.研究的内容，要具体写出在哪些方面开展研究，要突出重点，实事求是，所规定的内容经过努力在规定的时间内可以完成。 6.在开始工作前，学生应在指导教师帮助下确定并熟悉研究方法。 7.在研究过程中如要做社会调查、实验或在计算机上进行工作，应详细说明使用的仪器设备、耗材及使用的时间及数量。 8.课题分阶段进度计划，应按研究内容分阶段落实具体时间、地点、工作内容和阶段成果等，以便于有计划地开展工作。 9.开题报告应在指导教师指导下进行填写，指导教师不能包办代替。 10.开题报告要按学生所在系规定的方式进行报告，经系主任批准后方可进行下一步的研究（或设计）工作。 一、课题的目的意义：

文献综述：风电并网存在问题分析

风电并网的不利影响及分析 一、风电并网的不利影响案例分析 1、加拿大阿尔塔特电力系统 截至2008 年，加拿大的阿尔伯塔电力系统（AIES）共有装机约280 台，总容量12 368 MW。其中，煤电5 893 MW，燃气发电4 895 MW（热电联产约3 000MW），水电869 MW，风电523 MW，生物质等其他可再生能源214 MW。阿尔伯塔的风电开发意向已达到11 000 MW，几乎与目前系统的装机容量相当，这在给AIES 带来巨大机遇的同时也带来了挑战。因为，大规模的风电接入会增加系统发电出力的不稳定性，降低系统维持供需平衡的能力。AIES 的装机以火电为主，且调节能力有限，系统备用容量也有限，电力市场的可调发电出力的灵活性不高，对外联络线的潮流交换能力相对有限。因此，系统需要增强调节及平衡能力和事故响应能力，否则难以应对风电出力变化给系统带来的巨大压力。 电力生产和使用必须同时完成的特点决定了系统运行必须维持每时每刻的供需平衡。供需失衡会引起发输电设备跳闸、负荷跳闸甚至系统崩溃等事故。因此，维持系统的实时平衡是一个非常艰巨的任务，而大规模的风电并网，会从以下4 个方面影响系统供需平衡：（1）能否准确预测供需走势。预测是实施供需平衡调节的基础。供需差可能来源于负荷、潮流交换、间歇性电源等的变化。供需走势的预测对于系统运行至关重要。预测越准确，相关的运行决策越准确，运行人员越容易维持系统稳定。而目前的风电预测，远不能达到系统运行对预测精度的要求，给大规模风电并网的系统运行带来很大隐患。 （2）需要足够的系统调节平衡资源来提升系统应对风电出力变化和不确定的能力。系统调节平衡资源是指能被随时调度的、能维持系统平衡的调节备用容量、负荷跟踪服务等运行备用。由于风电出力变化和不确定，导致系统必须维持很高的系统调节资源以作备用，降低了系统资源的利用率。否则，系统将无法应对风电出力变化和不确定性，影响系统的安全可靠运行。 （3）亟须建立相关的系统运行操作规程。为了保持系统的有效运行，必须提前研究并制定相关的系统运行操作规程，并纳入已有的运行规程以指导调度人员。由于人们对风电出力变化和不确定的了解还处于起步阶段，所以相关的运行规程还属空白。 （4）调度人员要学习并掌握应对风电出力变化和不确定影响的能力。拥有充足的系统调节平衡资源、建立相关的规程、具有可操作性的预测结果，加上操作人员多年的经验积累，在对系统特性有足够了解的基础上，才能准确地判断并作出正确决策，实现系统操作安全、可靠、及时。面对大规模的风电并网给系统运行带来的巨大挑战，调度人员需要学习如何应对风电出力变化和不确定给系统运行带来的复杂局势。 对于一个独立系统，供需不平衡可能导致系统出现频率偏差的情况，对于一个互联系统，供需不平衡可能导致系统从主网解列。特别是，阿尔伯塔系统的风电开发意向已远远大于其承受范围，所以面临的问题更加严峻。 胡明：阿尔伯塔风电并网对系统运行的影响和对策；电力技术经济；2009[4] 2、辽宁电网 预计在2010年底,辽宁电网的风电装机容量达到340万kW, 2015年风电装机容量达到787万kW。风电的大规模集中并网将给辽宁电网的调峰调频、联络线控制、系统暂态稳定、无功调压及电能质量等诸多方面带来直接影响,给电力系统的安全稳定运行带来新的挑战。 （1）导致系统调峰难度增加

平稳时间序列预测法

7 平稳时间序列预测法 7.1 概述 7.2 时间序列的自相关分析 7.3 单位根检验和协整检验 7.4 ARMA模型的建模 回总目录 7.1 概述 时间序列取自某一个随机过程，则称： 一、平稳时间序列 过程是平稳的――随机过程的随机特征不随时间变化而变化过程是非平稳的――随机过程的随机特征随时间变化而变化回总目录 回本章目录 宽平稳时间序列的定义： 设时间序列 ，对于任意的t,k和m，满足： 则称宽平稳。 回总目录

回本章目录 Box-Jenkins方法是一种理论较为完善的统计预测方法。 他们的工作为实际工作者提供了对时间序列进行分析、预测，以及对ARMA模型识别、估计和诊断的系统方 法。使ARMA模型的建立有了一套完整、正规、结构 化的建模方法，并且具有统计上的完善性和牢固的理 论基础。 ARMA模型是描述平稳随机序列的最常用的一种模型； 回总目录 回本章目录 ARMA模型三种基本形式： 自回归模型（AR：Auto-regressive）； 移动平均模型（MA：Moving-Average）； 混合模型（ARMA：Auto-regressive Moving-Average）。回总目录 回本章目录 如果时间序列满足 其中是独立同分布的随机变量序列,且满足：

则称时间序列服从p阶自回归模型。 二、自回归模型 回总目录 回本章目录 自回归模型的平稳条件： 滞后算子多项式 的根均在单位圆外，即 的根大于1。 回总目录 回本章目录 如果时间序列满足 则称时间序列服从q阶移动平均模型。或者记为。 平稳条件：任何条件下都平稳。

三、移动平均模型MA(q) 回总目录 回本章目录 四、ARMA(p,q)模型 如果时间序列 满足： 则称时间序列服从(p,q)阶自回归移动平均模型。 或者记为： 回总目录 回本章目录 q=0，模型即为AR(p)； p=0，模型即为MA(q)。 ARMA(p,q)模型特殊情况： 回总目录 回本章目录 例题分析 设 ，其中A与B 为两个独立的零均值随机变量，方差为1；

风电功率预测的发展成就与展望

风电功率预测的发展现状与展望 范高锋，裴哲义，辛耀中 （国家电力调度通信中心，北京100031） 摘要：风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文从电力调度运行的角度，在风电功率预测技术的发展现状、系统建设情况、预测误差、预测评价指标和预测的主体等方面展开了论述，对目前存在的基础数据不完善、预测精度不高、预测的时间尺度较短和风电场普遍没有开展预测的问题进行了分析，提出了加强电网侧和风电场侧风电功率预测系统建设、加快超短期预测功能建设、继续深化预测技术研究、加强标准体系建设和开展跨行业合作等发展建议。 关键词:风电场；功率；预测；系统 中图分类号：TM614 文献标志码：A 文章编号： Wind power prediction achievement and prospect FAN Gao-feng , PEI Zhe-yi , XIN Yao-zhong (National Power Dispatching& Communication Center，Beijing 100031) Abstract: Wind power prediction is important to the operation of power system with comparatively large mount of wind power. This paper summarized the current situation of wind power prediction technology, wind power prediction system construction, prediction error, assessment index, and main market body of prediction from the power dispatch perspective. The main problems includes basic data incomplete, prediction precision relatively low, prediction time scale short and wind farm no wind power system are analyzed. Suggestions of enforcing grid side and wind farm side wind power prediction system construction, speeding up ultra-short term wind power prediction system construction, deepening wind power prediction technology study, strengthening prediction technical standard system and cooperation of different industry are proposed. Keywords: wind farm; power; prediction; system 0引言 电力系统是一个复杂的动态系统。维持发电、输电、用电之间的功率平衡是电网的责任。在没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，以满足次日的电力需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电对电力系统的调度运行带来巨大挑战。 目前风电对全网的电力平衡已经带来很大的影响[1-3]。对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电功率预测还可以指导风电场的检修计划，提高风能利用率，提高风电场的经济效益。经过多年的科研攻关与技术创新，我国具有自主知识产权的风电功率预测系统已在电力调度机构获得了广泛应用，12个网省调建立了预测系统，覆盖容量超过12GW，在电网调度运行中发挥了一定作用。本文对近年来风电功率预测方面完成的工作进行了总结，对存在的问题进行了论述，并提出了下一步的发展建议。 1 风电功率预测发展现状 1.1 风电功率预测技术的发展情况 电网调度部门对风电功率预测的基本要求有2个：一是短期预测，即当天预测次日0时起72h的风电场输出功率，时间分辨率为15 min，用于系统发电计划安排；另一个是超短期预测，即实现提前量为0~4h的滚动预测，用于电力系统实时调度[4]。 风电功率预测方法主要分为统计方法、物理方法[5-6]。统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等。物理方法是指风电功率预测的物理方法根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电

风电功率预测开题报告

福州大学本科生毕业设计（论文）开题报告 姓名黄生树学号011000511专业电气工程与自动化（建筑电气方向） 毕业设计（论文）题目风电功率预测方法的研究 一、论文选题依据（包括本课题国内外研究现状述评，研究的理论与实际意义，对科技、经济和社会发展的作用等） 由于人们对能源需求的不断增展然而传统的化石能源作为不可再生资源而日益枯竭，以及使用化石能源对生态环境带来的的破坏越来越引起人们的重视，因此找到新的清洁能源代替化石能源是人们迫切的需求。风电作为可再生的清洁能源，大力发展风电是解决能源的可持续发展的重要举措之一。据统计，截止至2014年末，中国新增装机容量和累计装机容量均占据世界第一。根据相关调查报告显示，中国风电行业具有良好的发展前景和广阔的市场空间。 从各国风电总的发展情况上看，风电发电占比持续上升，化石能源发电占比持续下降。但是由于风能具有高度的波动性、间歇性、不稳定性等特点，使得当大容量风电并网运行时，会破坏电力系统的平衡，带来电网电能质量下降危害电力系统安全等严重后果。这也进一步限制了风电的进一步发展。为了风电的进一步发展，保障电网系统安全，降低风电并网时电网备用容量及风电发电成本，需要对风电场风电功率进行预测。 风电功率预测根据不同的分类依据具有不同的分类方法。根据预测的物理量可分为物理法和统计法。物理法是先预测出风速，再根据风速与风机的功率曲线预测出输出功率；统计法是通过建立输入与风电输出功率的映射关系直接预测出输出功率；根据预测数学模型分类可以分为持续预测法、时间序列法、卡尔曼滤波法、支持向量机法、人工神经网络法等。按照预测的时间分类可分为超短期功率预测、短期功率预测、中期功率预测、长期功率预测。 在风电功率预测方面国外起步早，其预测方法和手段趋于成熟，其预测系统在发达国家获得了广泛的应用为风电的优化调度提供了重要的支持。在丹麦，其国家就研究出了Prediktor、WPPT、Zephyr等著名的风电功率预测预报系统。相对于国外，虽然我国风电功率预测起步较晚，很多预测的方法和手段都在研究和探索阶段，但已经有不少预测系统投入到实际使用当中，如中国电力科学研究院开发的WPFS、湖北气象服务中心研发的WPPS、中国气象局公共服务中心开发的WINPOP系统等。本论文主要对现有的预测方法进行学习研究，然后选择出最适合自己研习的预测方法进行进一步的实践学习。 二、研究内容、研究方案及进度安排，预期达到的目标 1.研究内容 1）对风电的特性与影响风力发电的因素进行研究分析，找出主要影响风力发电功率的因素。 2）风电功率预测主要的预测方法以及这些预测方法的优点与不足。 3）根据实际运行的风电场的历史数据，选择风电功率预测的方法。 4）结合历史数据和选择的风电功率预测方法，建立风电功率预测的数学模型。 5）根据建立的数学模型，选取合适的软件编程，进行风电功率预测，并对预测结果进行简单的分析。 2.研究目标 通过对风电基础知识与风电功率预测方法的学习与研究，结合实际风电场运行情况，选出合适的预测方法进行数学建模，从而建立合适的风电功率预测系统。

风电功率预测文献综述

风电功率预测方法的研究 摘要 由于风能具有间歇性和波动性性等特点，随着风力发电的不断发展风电并网对电力系统的调度和安全稳定运行带来了巨大的挑战。进行风电功率预测并且不断提高预测精确度变得越来越重要。通过对国内外研究现状的了解，根据已有的风电功率预测方法，按照预测时间、预测模型、预测方法等对现有的风电功率预测技术进行分类，着重分析几种短期风电功率预测方法的优缺点及其使用场合。根据实际某一风电场的数据，选取合适的风电预测模型进行预测，对结果予以分析和总结。 关键词：风电功率预测；电力系统；风力发电；预测方法； 引言 随着社会不断发展人们对能源需求越来越大而传统化石能源日益枯竭不可再生，以及化石能源带来了环境污染等问题影响人类生活，人们迫切需要新的清洁能源代替传统化石能源。风能是清洁的可再生能源之一，大力发展风力发电成为各国的选择。根据相关统计，截止至2015年，全球风电产业新增装机63013MW，，同比增长22%[1]。其中，中国风电新增装机容量达30500MW，占市场份额48.4%。全球累计装机容量为432419MW，其中中国累计装机容量为145104,占全球市场份额的33.6%。 目前风力发电主要利用的是近地风能，近地风能具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。当接入到电网的风电功率达到一定占比时，风电功率的大幅度波动将破坏电力系统平衡和影响电能质量，给电力系统的调度和安全平稳运行带来严峻挑战。根据风速波动对风力发电的影响按照时间长度可分为三类：一种是在几分钟之内的超短时波动，该时段内的波动影响风电机组的控制；另一种是几小时到几天内的短时波动，该时段内的波动影响风电并网和电网调度；最后一种是数周至数月的中长期波动，该时段内的波动影响风电场与电网的检修和维护计划。本文主要研究不同的风电功率短期预测方法的优缺点。 通过对短期风电功率预测，能够根据风电场预测的出力曲线优化常规机组出力，降低运行成本；增强电力系统的可靠性、稳定性；提升风电电力参与电力市场竞价能力。

风力发电机文献综述

林内小型风力发电机风叶的设计 摘要：随着国民经济的持续发展，能源危机的阴影正日益困扰着人类的生产和生活，因此人们开始把目光风能这个取之不尽、用之不竭的清洁能源，若风力发电机跟森林中的监测传感器配合，则能有效利用自然资源，实现可持续发展。本文就林内小型风力发电机叶片原有的基础上进行优缺点分析，总结国内外风力发电机的发展和现状。 前言 本人毕业设计题目为《林内小型风力发电机叶片部件的设计》，主要针对垂直轴风力发电机叶片部件的设计进行研究，对现有风力发电机的叶片发展历史进行总结分析，探索其优越性和可行性。本文主要查询了2000年以来的有关小型风力发电文献期刊。 主体 风力发电机分为水平轴风机和垂直轴风机。 水平轴风机最为典型的代表是3个叶片的荷兰风车，也是目前阶段技术最成熟，应用最广泛，占据主流市场的产品。水平轴风机主要包括叶片技术、发电机和传动技术、并网技术三大部分。其中叶片技术是其核心部分，叶片除了靠叶素理论计算和设计外，还要靠经验对计算值进行修正，对操作人员的技术要求十分高。而我国是从20世纪80年代后期才涉足风力发电这一新兴行业，技术远远落后与世界发展水平，其研究主要是引进、吸收、消化叶片设计技术，没有自己的独立成果。到2006年底，中国进入或正在进入大型风机市场的厂商已超过20家1 ，从企业数量上看，中国的企业数量超过了全世界风机厂商数量的一倍以上，但均缺乏叶片这一核心技术的独创性。 垂直轴风机，即转轴垂直于地面的风机，其历史可以追溯到几千年前，人们利用垂直轴风车进行提水。而垂直轴风力发电机的发明则要比水平轴的晚很多，知道20世纪20年代才开始出现。由于人们普遍认为垂直轴风轮的尖速比不可能大于1，风能利用率低于水平轴风力发电机，因而导致垂直轴风机长期得不到重视。然而，随着科技日新月异和人类认识水平的不断提高，人们逐渐意识到垂直轴风机的尖速比不能大于1只适用于阻力型风机，而升力型风机的尖速比甚至可以达到6，并且其风能利用率也不低于水平轴，于是越来越多的人认识到垂直轴风机的发展前景，并大大提高了其研发技术，取得了突破性进展。 垂直轴风力发电机呈H型，与水平轴风力发电机相比较，其优越性体现在：设计方法先进，风能利用率高，启动风速低，无噪音；除了在风电场应用以外，还可以充分利用大型建筑物的集风作用和大型建筑物顶层的空间、高度，建造风电大楼和零能耗大楼；城市公共照明和高速公路亦可以通过风、光互补方式大量应用风力发电机；具有风资源条件的企事业单

基于时间序列分析的股票价格短期预测与分析

基于时间序列分析的股票价格短期预测与 分析 姓名：王红芳数学与应用数学一班指导老师：魏友华 摘要 时间序列分析是经济领域研究的重要工具之一，它描述历史数据随时间变化的规律，并用于预测经济变量值。在股票市场上，时间序列预测法常用于对股票价格趋势进行预测，为投资者和股票市场管理方提供决策依据。本文通过各种预测方法的对比，突出时间序列分析的优势，从时间序列的概念出发介绍了时间序列分析预测法的基础以及其简单的应用模型。文中使用中石化股票的历史收盘价数据，运用时间序列预测法预测出中石化股票的后五个交易日的收盘价，通过对预测价格和实际价格做出对比，表明时间序列预测法的效果比较好。 关键词：时间序列；股票价格；预测

The short-term stock price prediction based on time series analysis Abstract: The analysis of time series is one of the important tools for researching in the field of economy, it describes the law of historic data with the time passing by and it is also used to predict the value of economic variables. In the stock market, the forecasting method of time series is commonly used to forecast the trend of stock price, and provide evidence of decision making for investors and managements. In the thesis, through the comparison of various forecasting methods to highlight the advantages of the analysis of time series, beginning with the concept of time series, I introduce the basic of forecasting method of the analysis of time series as well as its simple application model. in the paper, I use the historic closing price data of Sinopec shares and the forecasting method of time series to predict the Sinopec shares' closing price of the last five days, and by comparison between predicting price and actual price to show the good effect of the forecasting method of time series. Keywords: Time series; Stock price; Forecast

风电文献综述报告

文献综述报告 （2015届本科） 学院：工程学院 专业：电气工程及其自动化班级：电气2班 姓名：张越 学号：1127226 指导教师：谢嘉 2015年 6 月

小型风力发电系统研究与设计 前言： 随着近年来地球温室效应加重，传统化石燃料供应愈发紧张，人们开始进行新能源的寻找和开发。而风能作为一种无污染的可再生能源，其利用简单、取之不尽用之不竭的特点使其在新能源领域脱颖而出。据研究，如果全球风能总量的1%被利用，那么世界3%的能源就可以被节省下来。风能的利用在未来也许会取代传统化石燃料以及核能等能源方式。世界各国均把风力发电作为应对能源短缺、大气污染、节能减排等问题的有效解决措施。而小型发电系统在日常生活中如何应用也受到越来越多的关注。 1 风力发电研究的背景和意义 风力发电是电力可持续发展的最佳战略选择。清洁、高效成为能源生产和消费的主流，世界各国都在加快能源发展多样化的步伐。从 20 世纪 90 年代开始，世界能源电力市场发展最为迅速的已经不再是石油、煤和天然气，而是太阳能发电、风力发电等可再生能源。世界各地都在通过立法或不同的优惠政策积极激励、扶持发展风电技术，而中国是风能资源较丰富的国家，更需要开发利用风电技术。技术创新使风电技术日益成熟。目前，在发达国家风电的年装机容量以 35.7%高速度增长。一个重要原因是各国积极以科学的发展观，采取技术创新，使风电技术日益成熟。目前单机容量 50kW、600kW、750kW 的风电机组已达到批量商业化生产的水平，并成为当前世界风力发电的主力机型，兆瓦级的机组也已经开发出来，并投入生产试运行。同时，在风电机组叶片设计和制造过程中广泛采用了新技术和新材料，风电控制系统和保护系统广泛应用电子技术和计算机技术，有效地提高风力发电总体设计能力和水平，而且新材料和新技术对于增强风电设备的保护功能和控制功能也有重大作用。技术进步使风电成本具有市场竞争能力。长期以来，人们以风电电价高于火电电价为由，一直忽视风电作为清洁能源对于能源短缺和环境保护的意义，忽视了风电作为一项高新技术产业而将带来的巨大前景。近 10 年来，风电的电价呈快速下降的趋势，并且日趋接近常规发电的成本。世界风力发电能力每增加一倍，成本就下降 15%。按照这一规律计算，近几年的风电增长率一直保持在 30%以上，这就意味着每隔 30 个月左右，成本就会下降 15%。风力发电将能迅速缓解我国能源急需和电力短缺的局面，近两年中国出现大面积的缺电，风能发电对于缓解缺电具有非同寻常的意义。风电的诸多优势中，一个重要特点是风电上马快，不像

时间序列分析方法第章预测

第四章 预 测 在本章当中我们讨论预测的一般概念和方法，然后分析利用),(q p ARMA 模型进行预测的问题。 §4.1 预期原理 利用各种条件对某个变量下一个时点或者时间阶段内取值的判断是预测的重要情形。为此，需要了解如何确定预测值和度量预测的精度。 4.1.1 基于条件预期的预测 假设我们可以观察到一组随机变量t X 的样本值，然后利用这些数据预测随机变量1+t Y 的值。特别地，一个最为简单的情形就是利用t Y 的前m 个样本值预测1+t Y ，此时t X 可以描述为： 假设*|1t t Y +表示根据t X 对于1+t Y 做出的预测。那么如何度量预测效果呢？通常情况下，我们利用损失函数来度量预测效果的优劣。假设预测值与真实值之间的偏离作为损失，则简单的二次损失函数可以表示为(该度量也称为预测的均方误差)： 定理4.1 使得预测均方误差达到最小的预测是给定t X 时，对1 +t Y 的条件数学期望，即： 证明：假设基于t X 对1+t Y 的任意预测值为： 则此预测的均方误差为： 对上式均方误差进行分解，可以得到： 其中交叉项的数学期望为(利用数学期望的叠代法则)： 因此均方误差为： 为了使得均方误差达到最小，则有： 此时最优预测的均方误差为： 211*|1)]|([)(t t t t t X Y E Y E Y MSE +++-= End 我们以后经常使用条件数学期望作为随机变量的预测值。 4.1.2 基于线性投影的预测 由于上述条件数学期望比较难以确定，因此将预测函数的范围限制在线性函数当中，我们考虑下述线性预测： 如此预测的选取是所有预测变量的线性组合，预测的优劣则体现在系数向量的选择上。 定义4.1 如果我们可以求出一个系数向量值α，使得预测误差)(1t t X Y α'-+与t X 不相关： 则称预测t X α'为1+t Y 基于t X 的线性投影。 定理4.2 在所有线性预测当中，线性投影预测具有最小的均方误差。

风电功率预测技术调研报告

风电功率预测技术调研报告 风功率预测是目前国内外公认的、提高大规模风电接入电力系统运行水平的关键基础技术。自20世纪90年代初期，欧洲国家就开始着手风电功率预测系统的研发并应用于业务运行。经过30多年发展，风电功率预测已获得了广泛的应用。随着风电装机容量的快速增长，电网对风电功率预测的依赖性和需求度越来越大。风电功率预测技术已成为缓解电网调峰压力、降低系统备用容量、提高电网风电接纳能力的有效手段。同时，风电功率预测技术还可以指导风电场的检修计划，提高风能利用率，改善风电场的经济效益。 经过多年研究与实践，风电功率预测关键环节已明确固化，按业务流程依次为数值天气预报（numeric weather prediction，以下简称NWP）、风电功率转换、误差修正、预测结果应用，如图1所示。 数值天气预报生成 风资源-功率 转换模型 结果修正 功率预测 结果应用图1 风电功率预测的主要环节

报告根据预测基本流程和原理，分环节介绍风电功率预测的国内外应用现状与前沿技术。经了解，三北地区风电功率预测运行情况、关键预测技术应用以及功率预测服务商较为相似，因此，本报告的国内部分选取京津唐电网作为对象，从各技术环节角度展开调研，为推进风电功率预测技术的发展应用提供借鉴。 1 数值天气预报发展现状与前沿技术 1.1 国外数值天气预报应用现状 数值天气预报（NWP）是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法,包含风速、风向、气温、气压、相对湿度等与风电预测相关的气象要素。空间尺度越大，天气预报的准确率越高，但以风电场为单位的风功率预测需要小尺度气象要素信息，这就需要开展空间降尺度工作，即把大尺度、低分辨率的天气预报信息转化为小尺度、高分辨率的小区域地面气候变化。

风电场风电功率短期预测技术

风电场风电功率短期预测技术 摘要:风电功率预测是确保电网平衡风电波动，减少备用容量和经济运行的重要技术保障，减少系统的备用容量，降低电力系统运行成本，满足电力市场交易需要，为风力发电竞价上网提供有利条件。 本文基于对常见预测方法的研究和对风速数据的分析，并且针对目前存在的预测方法单一、预测精确度不高等问题，拟使用先进的智能化方法、多种方法综合以达到提高预测精度的目的。 关键词：风电功率预测方法matlab建模时间序列模型 1.文献综述 1.1 国内外风电功率预测现状 国外从事风电功率研究工作起步较早，早在1990 年Landberg 就采用类似欧洲风图集的推理方法开发了一套预测系统[1]，其主要思想是把数值天气预报提供的风速、风向通过一定的方法转换到风电机组轮毂高度的风速、风向，然后根据功率曲线得到风电场的出力，并根据风电场的效率进行修正。这个系统采用了丹麦气象研究院的高精度有限区域模型(high resolution limited area model ，HIRLAM)作为数值天气预报的输入，丹麦里索国家实验室的WAsP 模型把风速、风向转换到轮毂高度的风速、风向；Ris?的PARK 模型考虑尾流的影响。1993—1999 年，这个模型分别用在丹麦东部、爱尔兰电力供应委员会和爱荷华州。 风电功率预测工具(wind power prediction tool，WPPT)由丹麦科技大学开发[2]。1994 年以来，WPPT一直在丹麦西部电力系统运行，从1999 年开始WPPT 在丹麦东部电力系统运行。最初这个系统将适应回归最小平方根法与指数遗忘算法相结合，给出了0.536 h 的预测结果。 Prediktor 是Ris?开发的风电场功率预测系统，它尽可能使用物理模型。大范围的空气流动数据是由数值天气预报系统高精度有限区域模型(high resolution limited area model，HIRLAM)提供的。根据地心自传拖引定律和风速的对数分布图，把高空的风速转换为地面的风速。对于一个特定的地点，需要更详尽的数据，因此可以用WAsP程序来分析，WAsP 可以考虑障碍物和粗糙度的影响、粗糙度的变化、山头的加速和山谷的减速等。PARK 模型可以考虑风电场尾流的影响。最后还有2 个统计模块来表示未能在物理模型中表示出来的其它因素。 Zephry 是Ris?和丹麦科技大学的信息和数学建模学院(informatics and mathematical modeling，IMM)联合开发的新一代短期风功率预测程序[3]。Zephry 集合了

时间序列分析-降水量预测模型

课程名称: 时间序列分析 题目: 降水量预测 院系：理学院 专业班级：数学与应用数学10-1 学号： 87 学生姓名：戴永红 指导教师：＿＿潘洁＿ 2013年 12 月 13日

1.问题提出 能不能通过以前的降水序列为样本预测出2002的降水量？ 2.选题 以国家黄河水利委员会建站的山西省河曲水文站1952年至2002年51年的资料为例，以1952年至2001年50年的降水序列作为样本，建立线性时间序列模型并预测2002年的降水状态与降水量，并与2002年的实际数据比较说明本模型的具体应用及预测效果。资料数据见表1。 表1 山西省河曲水文站55年降水量时间序列

3．原理 模型表示 均值为0，具有有理谱密度的平稳时间序列的线性随机模型的三种形式，描述如下： 1、()AR p 自回归模型：1122t t t p t p t ωφωφωφωα-------=L 由2p +个参数刻画； 2、()MA q 滑动平均模型：1122t t t t q t q ωαθαθαθα---=----L 由2q +个参数刻画； 3、(,)ARMA p q 混和模型： 11221122t t t p t p t t t q t q ωφωφωφωαθαθαθα----------=----L L (,)ARMA p q 混和模型由3p q ++个参数刻画； 自相关函数k ρ和偏相关函数kk φ 1、自相关函数k ρ刻画了任意两个时刻之间的关系，0/k k ργγ= 2、偏相关函数kk φ刻画了平稳序列任意一个长1k +的片段在中间值11,t t k ωω++-L 固定的条件下，两端t ω，t k ω+的线性联系密切程度。 3、线性模型k ρ、kk φ的性质 表2 三种线性模型下相关函数性质 模型识别

风电功率预测模型

第一页 答卷编号： 论文题目：A题风电功率预测问题 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人）

第二页 答卷编号：

A 题 风电功率预测问题 摘要 风能是一种可再生、清洁的能源，风力发电技术的进一步研究和开发对解决能源危机、缓解环境压力以及提升经济发展水平具有重大的意义。据此，本文通过建立一系列数学模型来研究和探索风电功率的预测以及提高预测精度问题。 针对第一问，本文提出指数平滑法、小波神经网络以及时间序列ARMA 三种预测模型对风电功率进行预测。指数平滑法采用平滑公式为： 11(1),01,3 t t t s x S t ααα--=+-<≤≥，通过调整平滑参数α来优化预测精度；小波 神经网络采用的小波基函数为Morlet 母小波基函数，小波神经修正采用梯度修正法；ARMA 模型通过确定自回归阶数和移动平均阶数来构造预测表达式。结 进行归一化处理，所得权值向量为(0.3246,0.3344,0.341)w =，得到一组基于以上三种模型的预测数据。使用拟合与聚类分析得出单机系统对多机系统P4的相关性高于对总机系统的相关性，据此，使用基于李雅普诺夫中心极限定理的通过假 机进行预测。修正单机系统预测所带来的相对误差，提高精度。 针对问题三，本文建立基于遗传算法的ARMA 模型，对ARMA 模型的阶数进行优化。定义平均相对变动值（ARTD ），并令遗传算法的适应度函数为： 1 ()f x = 。最后得到具有更高预测精度的模型。具体指标值如下表： 至工程预测、股票分析、生产计划等问题上。

关键字：风电功率预测、时间序列、指数平滑法、小波神经网络、遗传算法 1 问题重述 1．1 问题背景 根据百度百科，“风”是“跟地面大致平行的空气流动，是由于冷热气压分布不均匀而产生的空气流动现象”。风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。 根据电力调度部门安排运行方式的不同需求，风电功率预测分为日前预测和实时预测。日前预测是预测明日24小时96个时点（每15分钟一个时点）的风电功率数值。实时预测是滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。在附件1国家能源局颁布的风电场功率预测预报管理暂行办法中给出了误差统计的相应指标。并得知某风电场由58台风电机组构成，每台机组的额定输出功率为850kW。附件2中给出了2006年5月10日至2006年6月6日时间段内该风电场中指定的四台风电机组（A、B、C、D）输出功率数据（分别记为PA，PB，PC，PD;另设该四台机组总输出功率为P4）及全场58台机组总输出功率数据（记为P58）。 1．2 需要解决的问题 问题一：风电功率实时预测及误差分析 请对给定数据进行风电功率实时预测并检验预测结果是否满足附件1中的关于预测精度的相关要求。具体要求： 1）采用不少于三种预测方法（至少选择一种时间序列分析类的预测方法）； 2）预测量： a．PA, PB, PC, PD；b．P4；c．P58。 3）预测时间范围分别为（预测用的历史数据范围可自行选定）： a. 5月31日0时0分至5月31日23时45分；