wind power forecasting
1.0.0
Eine groß angelegte Einführung der Windkraft führt zu einer Reihe von Herausforderungen für den Strom- und Stromversorgungsbetreiber, die sich mit der Variabilität und Unsicherheit bei der Erzeugung von Windkraft befassen müssen, wenn sie ihre Planungs- und Versandentscheidungen treffen.
Ziel dieser Übung ist es, adaptive Modelle für die Vorhersage der Windkraft 1, 2 und 3 Stunden vor einem Windpark zu entwickeln. Wir haben uns den Stundendurchschnitt von Windkraftmessungen und Wettervorhersagen (einschließlich 1-Stunden-, 2-Stunden- und 3-Stunden-Vorhersageprognosen vor der Temperatur, der Windgeschwindigkeit und der Windrichtung) zur Verfügung.
Wir werden zunächst ein multivariates Modell berücksichtigen, das auf der Schätzung einer Leistungskurve basiert. Zweitens werden wir ein unkompliziertes Arima -Modell (1,1,1) umsetzen. Drittens werden wir unter Berücksichtigung eines Arima (1,1,1) -Garch (1,1) -Modells ein GARCH-Modell zur Vorhersage der Residuen verwenden.
Das Analyseverfahren bleibt in den Modellen Arima, Arma-Garch und Arima-Garch konsistent. Die Modelle müssen zunächst an den gesamten Datensatz über das Jahr 1999 angepasst werden. Anschließend muss ein Rolling -Prognoseansatz verwendet werden, der die Modelle zu den vorangegangenen 1,5 Jahren anpasst. Es kann überstürzt und zu schwer rechenintensiv sein.
Alle Details finden Sie in der Wind power forecasting - report.pdf . Die Methoden werden in R und Python implementiert
