相空间重构的极端学习机短期风速预测模型

被引：15

作者：

武峰雨

乐秀璠

南东亮

机构：

[1] 河海大学能源与电气学院

来源：

电力系统及其自动化学报 | 2013年 / 25卷 / 01期

关键词：

风力发电; 短期风速预测; 混沌特性; 相空间重构; 极端学习机;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。根据风速具有混沌特性,提出一种相空间重构的极端学习机(extreme learningmachine,ELM)的短期风速预测模型,通过确定延迟时间和嵌入维数,对样本空间进行重构,使新的样本更能反映风速变化特性,在此基础上运用ELM进行短期风速预测。与传统的预测模型相比,该方法具有学习速度快、泛化性能好等优点,为风速预测提供了新方法。

引用

收藏

页码：136 / 141

页数：6

相关论文

共 15 条

[1] 极限学习机的快速留一交叉验证算法 [J].

刘学艺 ;

李平 ;

郜传厚 .

上海交通大学学报, 2011, 45 (08) :1140-1145

[2] 风电场风速概率分布参数计算新方法 [J].

陈国初 ;

杨维 ;

张延迟 ;

徐余法 .

电力系统及其自动化学报, 2011, 23 (01) :46-51

[3] 风电并网经济技术评价研究综述 [J].

尹明 ;

王成山 ;

葛旭波 .

电力系统及其自动化学报, 2010, 22 (05) :102-108

[4] 极限学习机与支持向量机在储层渗透率预测中的对比研究 [J].

潘华贤 ;

程国建 ;

蔡磊 .

计算机工程与科学, 2010, 32 (02) :131-134

[5] 基于最小二乘支持向量机的风速预测模型 [J].

曾杰 ;

张华 .

电网技术, 2009, 33 (18) :144-147

[6] 基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型 [J].

李文良 ;

卫志农 ;

孙国强 ;

完整 ;

缪伟 .

电力自动化设备, 2009, 29 (06) :89-92

[7] 混沌理论和支持向量机结合的负荷预测模型 [J].

张智晟 ;

马龙 ;

孙雅明 .

电力系统及其自动化学报, 2008, 20 (06) :31-35

[8] 基于最小二乘支持向量机的风电场短期风速预测 [J].

杜颖 ;

卢继平 ;

李青 ;

邓颖玲 .

电网技术, 2008, (15) :62-66

[9] 时间序列与神经网络法相结合的短期风速预测 [J].

蔡凯 ;

谭伦农 ;

李春林 ;

陶雪峰 .

电网技术, 2008, (08) :82-85+90

[10] 基于支持向量机的时间序列交叉负荷预报方法 [J].

张永明 ;

齐维贵 ;

王军栋 ;

唐海燕 ;

陈烈 .

电网技术, 2007, (S2) :207-210