基于kNN-SVR模型的风电功率预测

被引：8

作者：

徐正华

刘三明

王致杰

机构：

[1] 上海电机学院

来源：

电力学报 | 2019年 / 34卷 / 05期

关键词：

kNN-SVR模型; 风电功率预测; 反向传播神经网络;

D O I：

10.13357/j.cnki.jep.002824

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

风能是一种清洁的可再生能源能源,已开始在我们的日常生活中使用。由于风能是一种高度波动的资源,所以风电功率很难预测。研究提出一种基于最近邻支持向量回归(kNN-SVR)模型的多风速融合方法,提高了短期风电预测的精度。首先,设计了一种kNN算法,从历史数据集中选取最接近预测点的历史风速点。然后,在此基础上,建立基于最近历史预报点三个独立数值天气预报的融合风速SVR模型,提高风速预报的精度。最后,利用融合风速模型,以及反向传播神经网络(BPNN)对风电功率进行预测。通过算例分析验证该方法的有效性。

引用

页码：411 / 416

页数：6

共 7 条

[1]

Linear and non-linear autoregressive models for short-term wind speed forecasting.[J].M. Lydia;S. Suresh Kumar;A. Immanuel Selvakumar;G. Edwin Prem Kumar.Energy Conversion and Management.2016,

[2]

Four wind speed multi-step forecasting models using extreme learning machines and signal decomposing algorithms.[J].Hui Liu;Hong-qi Tian;Yan-fei Li.Energy Conversion and Management.2015,

[3]

Performance evaluation and accuracy enhancement of a day-ahead wind power forecasting system in China.[J].Pan Zhao;Jiangfeng Wang;Junrong Xia;Yiping Dai;Yingxin Sheng;Jie Yue.Renewable Energy.2011,

[4]

Estimation of wind velocity over a complex terrain using the Generalized Mapping Regressor.[J].M. Beccali;G. Cirrincione;A. Marvuglia;C. Serporta.Applied Energy.2009, 3

[5]

灰色SVR模型在珩磨尺寸预测中的应用 [J].