基于小波分解和最小二乘支持向量机的短期风速预测

被引:93
作者
王晓兰
王明伟
机构
[1] 兰州理工大学电气工程与信息工程学院
关键词
风速预测; 风力发电; 风电场; 小波分解; 最小二乘支持向量机;
D O I
10.13335/j.1000-3673.pst.2010.01.008
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
短期风速预测对并网风力发电系统的运行有重要意义。对风速进行较准确地预测,可以有效减轻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。简述了短期风速预测的价值和方法,提出了基于小波分解(wavelet decomposition,WD)和最小二乘支持向量机(least square support vector machine,LS-SVM)的短期风速预测方法,分别以香港和河西走廊地区风电场为例,建立了上述2个地区风速预测的WD-LSSVM模型,根据上述地区的数据进行实例验证,结果表明文中的方法显著提高了超前一步预测的精度。
引用
收藏
页码:179 / 184
页数:6
相关论文
共 20 条
[1]   The economic benefit of short-term forecasting for wind energy in the UK electricity market [J].
Barthelmie, R. J. ;
Murray, F. ;
Pryor, S. C. .
ENERGY POLICY, 2008, 36 (05) :1687-1696
[2]   Short-term forecasting of wind speed and related electrical power [J].
Alexiadis, MC ;
Dikopoulos, PS ;
Sahsamanoglou, HS ;
Manousaridis, IM .
SOLAR ENERGY, 1998, 63 (01) :61-68
[3]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297
[4]   基于风速和空气密度估计的最大风能捕获 [J].
柳明 ;
柳文 .
电网技术, 2009, 33 (01) :56-60
[5]   风电场风速短期多步预测改进算法 [J].
潘迪夫 ;
刘辉 ;
李燕飞 .
中国电机工程学报, 2008, (26) :87-91
[6]   基于小波分析与广义自回归条件异方差模型的短期电价预测 [J].
谢品杰 ;
谭忠富 ;
尚金成 ;
侯建朝 ;
王绵斌 .
电网技术, 2008, (16) :96-100
[7]   小时风速的向量自回归模型及应用 [J].
孙春顺 ;
王耀南 ;
李欣然 .
中国电机工程学报, 2008, (14) :112-117
[8]   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
[9]   基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型 [J].
潘迪夫 ;
刘辉 ;
李燕飞 .
电网技术, 2008, (07) :82-86
[10]   基于小波变换和AR-LSSVM的非平稳时间序列预测 [J].
王晓兰 ;
张万宏 ;
王慧中 .
控制与决策 , 2008, (03) :357-360