کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7408229 1481436 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Short-term probabilistic forecasting of wind speed using stochastic differential equations
ترجمه فارسی عنوان
پیش بینی احتمالات کوتاه مدت سرعت باد با استفاده از معادلات دیفرانسیل تصادفی
ترجمه چکیده
امروزه به طور گسترده ای پذیرفته شده است که پیش بینی های احتمالی تولید انرژی باد تولید اطلاعات ارزشمندی است که می تواند هر دو تولید کننده انرژی باد و اپراتورهای برق را به لحاظ اقتصادی از این نوع از انرژی های تجدیدپذیر بهره بگیرد، در حالی که کاهش اثرات جانبی بالقوه مربوط به متغیر و طبیعت نامشخص آن است. به منظور ارائه پیش بینی های قابل اطمینان باد برای دوره های پس از چند ساعت، پیش بینی سرعت باد بنیادی است. در این مقاله، چارچوب مدل سازی برای سرعت باد ارائه شده است که بر اساس معادلات دیفرانسیل تصادفی است. ما نشان می دهیم که معادلات دیفرانسیل تصادفی به ما اجازه می دهد که ساختار وابستگی زمان خطاهای پیش بینی سرعت باد به طور طبیعی (از 1 تا 24 ساعت پیش) را جذب کنیم و مهمتر از همه، برای به دست آوردن پیش بینی های نقطه و کایلیل، توزیع پیش بینی، و مسیرهای مسیر (همچنین به عنوان سناریوها یا پیش بینی های گروهی اشاره می شود)، همه با استفاده از یک مدل معادلات دیفرانسیل تصادفی تک است که با چند پارامتر مشخص می شود.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
It is widely accepted today that probabilistic forecasts of wind power production constitute valuable information that can allow both wind power producers and power system operators to exploit this form of renewable energy economically, while mitigating the potential adverse effects relating to its variable and uncertain nature. In order to provide reliable wind power forecasts for periods beyond a couple of hours, forecasts of the wind speed are fundamental. In this paper, we propose a modeling framework for wind speed that is based on stochastic differential equations. We show that stochastic differential equations allow us to capture the time dependence structure of wind speed prediction errors naturally (from 1 to 24 h ahead) and, most importantly, to derive point and quantile forecasts, predictive distributions, and time-path trajectories (also referred to as scenarios or ensemble forecasts), all using one single stochastic differential equation model that is characterized by a few parameters.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 32, Issue 3, July–September 2016, Pages 981-990
نویسندگان
, , , ,