基于matlab系统辨识工具箱的风信号预测

《基于matlab系统辨识工具箱的风信号预测》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、万方数据第29卷第4期2008年4月太阳能学报ACrAENERGIAESOLARIS$I／qlCAV01．29，No．4Apr．，2lD嘴基于MATLAB系统辨识工具箱的风信号预测周世琼1，康龙云1，一，张彦宁1，曹秉刚1(1．西安交通大学机械工程学院机电系，西安710049；2．华南理工大学汽车工程学院，广州510640)摘要：利用MATLAB系统辨识工具箱的ARMA模型对主要影响风机输出的风速和风向时间序列分别进行数据预处理、相关性分析以及AR^n模型参数估计和模型定阶，最后得出风信号预测结果。将MATL墟系

2、统辨识工具箱用于建立ARMA模型实现对风信号的预测是一种新的尝试，由简单的几行程序就可以达到很好的预测效果。说明将MATLAB系统辨识工具箱的ARMA模型用于风信号的预测是合适的，能反映出风电场的未来风速和风向分布特性。关键词：风速；风向；预测；ARMA；MATI_AB系统辨识工具箱中图分类号：TK8文献标识码：A0引言自然界中的风具有高度的非线性和不稳定性的特点，因此风电穿透功率超过一定值后，会严重影响电能质量和电力系统运行[1]，如果能对风信号和风力发电功率进行比较准确的预测，则有利于电力系统调度部门及时调整

3、调度计划，从而可有效减轻风电对电网的影响，而且还可以减少电力系统运行成本，提高风电穿透功率极限，同时为风电场参与发电竞价奠定了基础[2]。风电场风信号预测的方法较多，如神经网络法(ANN)、时间序列法即自回归滑动平均模型(ARMA)、卡尔漫滤波法(Ka】m8nFilters)、模糊逻辑法(FuzzyLogic)和时间相关法(SpatialCorrela—fion)等[3-6]。其中ARMA只需知道风电场的单一风速或风向数据就可以建立短期或长期的预测模型，并且可以达到较好的预测效果。本文首先针对风向对风速影响较大(

4、在中风速时这种影响尤为显著)的特点对风速和风向分别进行预测；其次，将MATLAB系统辨识工具箱用于建立ARMA预测模型实现对风速和风向的预测是一种新的尝试，由简单的几行程序就可以达到很好的预测效果。1ARMA模型的建立1．1ARMA的基本原理‘71目前，ARMA是风电场短、长期风信号预测的主要方法之一。这种方法利用大量历史数据来建模，经过模型识别、参数估计、模型检验来确定一个能够描述所研究时间序列的数学模型，进而推导出预测模型达到预测的目的，实现起来比较简单。ARMA(P，q)的一般形式为：五一9l五一l一⋯一仍

5、置一P=zI+口l互一l+⋯+60五一口(1)其中，五∈N(O，仃：)。用∥表示k步线性推移算子，若假设：9(曰)=l—PlB一·一甲，伊，口(B)=1+曰1召+⋯+9。伊，则式(1)可以简记为：9(曰)置=口(B)互(2)这一模型就称作P阶自回归一g阶滑动平均混合模型，记为ARMA(P，口)模型。特殊地，若P=0，记为MA(g)；若q=0，记为AR(P)；若P=g=0，模型退化为五=zI，即{置}为白噪声序列。这里值得注意的是，由AR，MA和ARMA模型描述的时间序列称为平稳时间序列。如果所研究的时间序列是非平

6、稳的，则必须先对其做平稳化处理。1．2模型的识别对时间序列的五(t=1，2，⋯⋯，Ⅳ)首先要进行．相关性分析，根据其自相关函数和偏自相关函数的截尾和拖尾性来初步判断模型是属于AR、MA还是ARMA。各类线性模型的性质如表1所示哺1。收稿日期：2006-12-09基金项目：中国科技部星火计划(2004EAl05003)通讯作者：周世琼(1976一)，女，博士研究生，主要从事新能源变换与管理方面的研究。dmsIliqi∞g@80Iul．咖万方数据418太阳能学报29卷在对实际平稳序列的预测中，先根据序列的自相关和偏自

7、相关图粗略判断(p，g)的值，然后在该组值附近求出一系列模型，从中选出一个最优模型。表1平稳序列的AllMA(p，口)模型特征表Table1ARMA(p，g)I∞deleha_,aeter谶es0fcalmseries函数眦，毗，，裂舞1．3模型参数估计模型参数(P。，甲：，⋯，纬)、(日。，曰：，⋯，Oq)、盯：需要用一个样本做估计。在工程计算中，只要用样本自协方差函数飞或样本自相关函数P。中的一部分数值就可以了。这里采用先后估计法，即先估计仇后估计B和盯：，由(3)式先估计仇：驴=月i1R^(3)其中，9=[

8、Pl，92，⋯，％]，R．=[～+I，‘+2，⋯，r口+。]，耻雌I2爹用(3)式计算仇，仅用到样本的白相关‘一，+，，⋯，_，⋯，_+，一。的值。需要注意r一。=^(，l>0)。由估计出的张再计算岛和d：，在式(1)中，令：pE=五一∑垆i五一；(4)i=l则有：叮Z=五一∑％．』(5)j=l式(5)表示，需对序列{K}拟合一个MA(g)模型，经化简最终得到如下方程组：