公开(公告)号：CN106600055A

公开(公告)日：2017-04-26

申请号：CN201611142679.3

申请日：2016-12-12

Applicant: 华北电力大学(保定)

Inventor： 赵征 ,  王晓亮 ,  汪向硕 ,  张亚刚 ,  勾海芝 ,  杨蕃

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06Q50/06

Abstract: 本发明提供了一种基于自激励门限自回归模型的风速预测方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，本发明通过SETAR模型将原始的非线性风速序列，通过门限值r和滞后阶数d分为多个序列，并对每段序列建立AR模型，这种模型实际就是l个AR模型，或者说是由门限r控制的l个分段AR模型。最后根据预测结果判断得出最优预测值。本发明充分挖掘风速序列的非线性特性，在此基础上，建立适当的回归模型。实验结果表明，本方法要优于单纯传统ARMA模型和BP模型的预测方法，并且具有更高的预测精度。

公开(公告)号：CN106611243A

公开(公告)日：2017-05-03

申请号：CN201611094219.8

申请日：2016-12-02

Applicant: 华北电力大学(保定)

Inventor： 赵征 ,  王晓亮 ,  汪向硕 ,  张亚刚 ,  勾海芝 ,  杨蕃

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于GARCH模型的风速预测残差修正方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，其技术方案是，采用GARCH模型对原始风速序列进行预测，对GARCH模型拟合后的残差建立回归模型，并将该回归模型用于后面残差的预测，最后用该预测值对GARCH模型初步预测的结果进行修正。实验结果表明，本发明要优于单纯传统ARMA的预测方法以及BP神经网络模型的预测方法，并且具有更高的预测精度。

公开(公告)号：CN106384170A

公开(公告)日：2017-02-08

申请号：CN201610845639.9

申请日：2016-09-24

Applicant: 华北电力大学(保定)

Inventor： 赵征 ,  王晓亮 ,  张亚刚 ,  勾海芝

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于小波分解与重构的时间序列风速预测方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，其技术方案是，所述方法通过小波变换的时间-频率局域分析方法，对历史风速序列进行分解与重构，将原始风速序列分解为低频和高频部分，最后分别对分解与重构后的高频和低频序列建立时间序列模型，合成各个预测结果得到原始风速的预测值。本发明充分挖掘风速序列的内在联系，揭示序列在不同尺度上的时频特征，在此基础上，建立适当的时间序列模型。实验结果表明，本方法要优于单纯传统ARMA的预测方法，并且具有更高的预测精度。