论文部分内容阅读
风能作为一种可再生能源,现阶段已经得到广泛开发和利用,它有效降低全球化产业引发的严重环境污染问题.风速是影响风能的重要因素,探讨风速大小以及邻近地区风速变化对风能的应用以及风电场的选址尤为重要.在探讨邻近地区风速关系时,通常假设不同位置的风速是独立的或者大多数情况下有意无意地忽略了风速之间的相关性.事实上,邻近地区的风速是相互依存的,因为他们会受到相似的地理,天气,气候,地形和其他因素的影响,这就使得描述两地之间的风速关系出现困难.幸运的是,Sklar提出了Copula函数,一种较为简单地来建模和测量边缘分布的多元依赖结构的方法.本文利用Copula函数来研究内蒙古自治区邻近地方(呼和浩特,包头,集宁)三个气象站的风速大小以及预测风速,为风电场的选址以及风能应用提供参考.本文首先描述了风速分布,参数估计方法,Copula函数,Copula回归函数和分位数曲线的定义及性质,P(X>Y)计算方法等内容.其次对呼和浩特,包头,集宁地区三个气象站的2013-2017年日均风速数据进行分析并两两建立Copula模型,将Copula函数与P(X>Y)理论结合从五年(2013-2017)和四季角度进行风速大小比较.选取三类双参数分布:Weibull分布,Log-normal分布以及Gamma分布刻画Copula边缘分布,采用极大似然估计、矩估计来对参数进行求解,通过对比均方根误差(RMSE)和KS值,找到最优的拟合分布,结果显示无论是2013-2017年间整体数据还是季节性数据,Copula函数的最优边缘分布均为Lognormal分布.建立Copula函数,选取阿基米德Copula函数,利用极大似然估计和基于Kendall’sτ的方法对Copula函数进行参数估计,通过比较均方根误差(RMSE)以及KS值,找到最优Copula函数.接着,将Copula函数与P(X>Y)理论结合对呼和浩特,包头,集宁三地风速大小进行比较,并将其结果与基于理论分布(假设(X,Y)是独立的)和经验分布的P(X>Y)值对比,最后结论显示,对比于其它两种情况来说,Copula理论能够更好地拟合两地之间的关系,并且无论是2013-2017年间整体数据还是季节性数据均为呼和浩特风速最大,其次是包头,集宁.最后利用Copula回归函数和Copula分位数曲线对呼和浩特,包头,集宁2018年月均风速进行点预测和区间预测.将呼和浩特,包头,集宁1981-2017年风速月均值数据作为基本样本,2018年月均值数据作为预测样本,利用1981-2017年月均值数据建立邻月Copula回归函数,利用该函数与Copula分位数分别对三地2018年的月均值进行点预测和区间预测,同时对比预测结果,结果表明除去呼和浩特2018年1月,包头7月份数据后,余下的月均值真实值全部在预测区间之内,这表明本文用到的Copula预测方法是有效的,可行的.另外对于点预测来说,集宁点预测效果优于呼和浩特和包头;对于区间预测来说,包头的区间预测效果优于呼和浩特和集宁.