基于小波分析和相空重构相融合的风速预测

被引:9
作者
袁东锋
杜恒
机构
[1] 南阳理工学院
关键词
小波分析; 支持向量机; 相空间重构; 风速预测;
D O I
暂无
中图分类号
TP18 [人工智能理论]; TM614 [风能发电];
学科分类号
080811 [新能源发电与电能存储]; 140502 [人工智能];
摘要
研究风速准确预测问题,针对风速具有随机性、间歇性以及混沌性,且含有大量噪声,造成预测精度误差。为提高风速预测精度,提出一种小波分析和相空间重构相融合的风速预测方法。首先采用小波技术消除风速历史数据,然后用混沌理论对数据重构,最后数据输入到支持向量机训练,并采用遗传算法优化支持向量机参数,建立最优风速最优预测模型。结果表明,相对传统预测方法,小波分析和相空间重构预测方法更能准确刻画风速的复杂变化特点,提高了风速的预测精度,也为其它非线性预测问题提供了一种新的研究思路。
引用
收藏
页码:331 / 334+388 +388
页数:5
相关论文
共 9 条
[1]
基于混沌理论与SVM的内燃机振动信号趋势预测 [J].
冯广斌 ;
吴震宇 ;
袁惠群 .
振动测试与诊断., 2011, 31 (01) :64-69+129
[2]
基于小波分析的风电场短期发电功率预测 [J].
王丽婕 ;
冬雷 ;
廖晓钟 ;
高阳 .
中国电机工程学报, 2009, 29 (28) :30-33
[3]
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
[4]
基于最小二乘支持向量机的短期负荷预测 [J].
耿艳 ;
韩学山 ;
韩力 .
电网技术, 2008, (18) :72-76
[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]
基于负荷混沌特性和最小二乘支持向量机的短期负荷预测 [J].
王德意 ;
杨卓 ;
杨国清 .
电网技术, 2008, (07) :66-71
[7]
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
[8]
风电对电力系统运行的价值分析 [J].
雷亚洲 ;
王伟胜 ;
印永华 ;
戴慧珠 .
电网技术, 2002, (05) :10-14
[9]
Modeling and forecasting the mean hourly wind speed time series using GMDH-based abductive networks [J].
Abdel-Aal, R. E. ;
Elhadidy, M. A. ;
Shaahid, S. M. .
RENEWABLE ENERGY, 2009, 34 (07) :1686-1699