Page 76 - 2022年第53卷第8期

［３５］ 冯平，商颂，李新．基于分位数回归的滦河流域降水及径流变化特性［Ｊ］．水力发电学报，２０１６，３５（２）：
２８ － ３６．
［３６］ ＺＨＡＮＧＺ，ＹＥＬ，ＱＩＮＨ，ｅｔａｌ．Ｗｉｎｄｓｐｅｅｄｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｕｓｉｎｇｓｈａｒｅｄｗｅｉｇｈｔｌｏｎｇｓｈｏｒｔ － ｔｅｒｍｍｅｍｏｒｙｎｅｔ
ｗｏｒｋａｎｄｇａｕｓｓｉａｎｐｒｏｃｅｓｓｒｅｇｒｅｓｓｉｏｎ［Ｊ］．ＡｐｐｌｉｅｄＥｎｅｒｇｙ，２０１９，２４７：２７０ － ２８４．
［３７］ ＨＥＦ，ＺＨＯＵＪ，ＦＥＮＧＺ，ｅｔａｌ．Ａｈｙｂｒｉｄｓｈｏｒｔ － ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｂａｓｅｄｏｎｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏ
ｓｉｔｉｏｎａｎｄｌｏｎｇｓｈｏｒｔ － ｔｅｒｍ ｍｅｍｏｒｙｎｅｔｗｏｒｋｓｃｏｎｓｉｄｅｒｉｎｇｒｅｌｅｖａｎｔｆａｃｔｏｒｓｗｉｔｈＢａｙｅｓｉａｎｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．
ＡｐｐｌｉｅｄＥｎｅｒｇｙ，２０１９，２３７：１０３ － １１６．
［３８］ 金俊?，武鹏，董祥祥，等．基于 ＲＦ － ＧＲＵ风速预测的风电 ＭＰＰＴ控制［Ｊ］．传感器与微系统，２０２１，４０
（５）：３８ － ４１．
［３９］ ＣＨＥＮＴ，ＧＵＥＳＴＲＩＮＣ．ＸＧＢｏｏｓｔ：Ａｓｃａｌａｂｌｅｔｒｅｅｂｏｏｓｔｉｎｇｓｙｓｔｅｍ［Ｃ］．ＡｓｓｏｃＣｏｍｐＭａｃｈｉｎｅｒｙ，２０１６．７８５ － ７９４．

Ａｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇｆｒａｍｅｗｏｒｋｏｆｔｉｍｅｓｅｒｉｅｓｖａｒｉａｂｌｅｓｆｏｒ
ｗｉｎｄ － ｓｏｌａｒ － ｈｙｄｒｏｐｏｗｅｒｈｙｂｒｉｄｓｙｓｔｅｍｓ

１，２
３
１，２
１，２
ＺＨＡＮＧＺｈｅｎｄｏｎｇ ，ＬＵＯＢｉｎ ，ＱＩＮＨｕｉ，ＴＡＮＧＨａｉｈｕａ ，
１，２
１，２
ＺＨＯＵＣｈａｏ ，ＦＥＮＧＫｕａｉｌｅ
（１．ＣｈａｎｇｊｉａｎｇＳｕｒｖｅｙ，Ｐｌａｎｎｉｎｇ，ＤｅｓｉｇｎａｎｄＲｅｓｅａｒｃｈＣｏ．，Ｌｔｄ，Ｗｕｈａｎ ４３００１０，Ｃｈｉｎａ；
２．Ｉｎｔｅｒｎｅｔ ＋ＳｍａｒｔＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙＫｅｙＬａｂｏｒａｔｏｒｙ，ＣｈａｎｇｊｉａｎｇＷａｔｅｒＲｅｓｏｕｒｃｅｓＣｏｍｍｉｔｔｅｅ，Ｗｕｈａｎ ４３００１０，Ｃｈｉｎａ；
３．ＳｃｈｏｏｌｏｆＣｉｖｉｌａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００７４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅａｌ － ｔｉｍｅｄｉｓｐａｔｃｈｏｆｗｉｎｄ － ｓｏｌａｒ － ｈｙｄｒｏｐｏｗｅｒ（ＷＳＨ）ｈｙｂｒｉｄｓｙｓｔｅｍｉｓａｆｆｅｃｔｅｄｂｙｔｈｅｕｎｃｅｒｔａｉｎｔｙ
ｏｆｔｉｍｅ － ｓｅｒｉｅｓｖａｒｉａｂｌｅｓｓｕｃｈａｓｗｉｎｄｓｐｅｅｄ，ｓｏｌａｒｒａｄｉａｔｉｏｎｉｎｔｅｎｓｉｔｙ，ｒｕｎｏｆｆ，ａｎｄｐｏｗｅｒｌｏａｄ．Ｈｏｗｔｏａｃｃｕｒａｔｅｌｙ
ｆｏｒｅｃａｓｔｔｈｅｓｅｖａｒｉａｂｌｅｓａｎｄｑｕａｎｔｉｆｙｔｈｅｕｎｃｅｒｔａｉｎｔｙｉｓｔｈｅｋｅｙｐｒｏｂｌｅｍｆａｃｅｄｂｙｔｈｅＷＳＨｈｙｂｒｉｄｓｙｓｔｅｍ．Ｉｎｏｒｄｅｒｔｏ
ｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ ，ａｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇｆｒａｍｅｗｏｒｋｆｏｒｔｉｍｅｓｅｒｉｅｓｖａｒｉａｂｌｅｓｂａｓｅｄｏｎａｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌｉｓ
ｐｒｏｐｏｓｅｄｂｙｔｈｉｓｓｔｕｄｙ．Ｆｉｒｓｔ ，ｔｈｅｆｅａｔｕｒｅｉｎｐｕｔｉｓｍｉｎｅｄｆｒｏｍｔｈｅｔｉｍｅｓｅｒｉｅｓｄａｔａａｎｄｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｉｓ
ｕｓｅｄｔｏｓｅｌｅｃｔｔｈｅｇｅｎｅｒａｔｅｄｆｅａｔｕｒｅｓ．Ｔｈｅｎ ，ｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌａｎｄＧａｕｓｓｉａｎｐｒｏｃｅｓｓｒｅｇｒｅｓｓｉｏｎ，ｔｈｅ
ｔｉｍｅｓｅｒｉｅｓｖａｒｉａｂｌｅｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄ，ａｎｄｔｈｅｆｅａｔｕｒｅｃｏｍｂｉｎａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎａｎｄｈｙ
ｐｅｒｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎａｒｅｒｅａｌｉｚｅｄｔｈｒｏｕｇｈｔｈｅ０ － １ｐｌａｎｎｉｎｇｉｄｅａａｎｄｔｈｅＢａｙｅｓｉａｎｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ ｒｅ
ｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｉｓｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｅｖａｌｕａｔｅｄｆｒｏｍ ｔｈｒｅｅａｓｐｅｃｔｓ： ｄｅｔｅｒｍｉｎｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇ，
ｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇａｎｄｒｅｌｉａｂｉｌｉｔｙ．Ｆｉｎａｌｌｙ，ｔａｋｉｎｇｔｈｅＷＳＨ ｃｏｍｐｌｅｍｅｎｔａｔｉｏｎｐｉｌｏｔｄｅｍｏｎｓｔｒａｔｉｏｎｂａｓｅｉｎｔｈｅ
ＹａｌｏｎｇＲｉｖｅｒＢａｓｉｎａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ ，ｔｈｅｆｒａｍｅｗｏｒｋｐｒｏｐｏｓｅｄｉｎｔｈｉｓｓｔｕｄｙｉｓｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｃｕｒｒｅｎｔｓｅｖｅｎ
ｓｔａｔｅ － ｏｆ － ｔｈｅ － ａｒｔｔｉｍｅ － ｓｅｒｉｅｓｖａｒｉａｂｌｅｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓｏｎｔｈｅｆｏｕｒｄａｔａｓｅｔｓｏｆｒｕｎｏｆｆ ，ｗｉｎｄｓｐｅｅｄ，ｐｈｏｔｏｖｏｌｔａｉｃｓ
ａｎｄｐｏｗｅｒｌｏａｄ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｔｏｖｅｒｉｆｙｔｈｅａｃｃｕｒａｃｙａｎｄｐｒｏｂａｂｉｌｉｓｔｉｃｃｏｍｐｒｅｈｅｎｓｉｖｅｐｅｒｆｏｒｍａｎｃｅ．
Ｋｅｙｗｏｒｄｓ：ｗｉｎｄ － ｓｏｌａｒ － ｈｙｄｒｏｐｏｗｅｒｈｙｂｒｉｄｓｙｓｔｅｍ；ｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇ；ｄｅｅｐｌｅａｒｎｉｎｇ；ｆｅａｔｕｒｅｃｏｍｂｉｎａｔｉｏｎ
ｏｐｔｉｍｉｚａｔｉｏｎ ；ｈｙｐｅｒｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ

（责任编辑：于福亮）

— ９ ６ ３ —