基于支持向量机的短期风电功率预测

被引：7

作者：

徐敏 ^{[1
]}

袁建洲 ^{[1
]}

刘四新 ^{[2
]}

郭含 ^{[3
]}

机构：

[1] 南昌大学信息工程学院

[2] 江西省安福县供电公司

[3] 河南省禹州供电公司

来源：

南昌大学学报(工科版) | 2012年 / 02期

关键词：

风电场; 功率; 支持向量机; 风速;

D O I：

暂无

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：

风电场风速及风电机功率预测的准确性对电力系统运行有着重要的意义。基于支持向量机理论,结合江西省某风电场的风速和功率历史数据,建立了支持向量机风速预测模型,预测未来4 h的风速和功率。仿真结果表明:该模型预测的风速和功率平均相对误差分别为6.35%,16.83%,要优于BP神经网络的25.37%,25.43%。

引用

收藏

页码：201 / 204

页数：4

相关论文

共 8 条

[1]

采用气象信息的神经网络应用于短期风力发电功率预测 [J].

徐星 ;

张虹 ;

乐海洪 ;

徐敏 .

南昌大学学报(工科版), 2011, (01) :83-85

[2]

基于支持向量机的风速与风功率预测方法研究 [J].

戚双斌 ;

王维庆 ;

张新燕 .

华东电力, 2009, 37 (09) :1600-1603

[3]

支持向量机核函数选择的研究 [J].

朱树先 ;

张仁杰 .

科学技术与工程, 2008, (16) :4513-4517

[4]

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

[5]

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

[6]

风电场风速和发电功率预测研究 [J].

杨秀媛 ;

肖洋 ;

陈树勇 .

中国电机工程学报, 2005, (11) :1-5

[7]

基于模式识别和神经网络的电力系统短期负荷预测 [J].

戴文进 ;

付小科 .

南昌大学学报(工科版), 2003, (02) :46-50

[8]

支持向量机导论[M] (英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译; 电子工业出版社 2004,