双加权最小二乘支持向量机的短期风速预测

被引:10
作者
潘学萍
史宇伟
张弛
机构
[1] 河海大学能源与电气学院
关键词
风速预测; 双加权方法; 加权最小二乘支持向量机; 短期预测;
D O I
暂无
中图分类号
TM614 [风能发电]; TP181 [自动推理、机器学习];
学科分类号
0807 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
提出了双加权最小二乘支持向量机的短期风速预测方法。考虑到离预测点越远的历史风速数据对预测值的影响越弱,对训练样本中输入向量数据进行第1次加权,以体现不同元素对预测影响的差异。同时为区分训练样本的差异性,降低异常样本的干扰,对训练样本进行第2次加权。对双加权后的训练样本,采用加权最小二乘支持向量机模型进行预测,降低了对异常点的敏感度,实现了对不同样本的区别对待。根据某实测风速数据进行了风速预测,结果表明,所提方法能提高风速预测精度。
引用
收藏
页码:13 / 17+66 +66
页数:6
相关论文
共 14 条
[1]   灰色模糊LSSVM预测模型在锌净化除钴中的应用 [J].
伍铁斌 ;
阳春华 ;
孙备 ;
朱红求 ;
李勇刚 .
中国有色金属学报, 2012, 22 (08) :2382-2386
[2]   风电场风速的神经网络组合预测模型 [J].
戴浪 ;
黄守道 ;
黄科元 ;
叶盛 .
电力系统及其自动化学报, 2011, 23 (04) :27-31
[3]   基于遗传优化的最小二乘支持向量机风电场风速短期预测 [J].
杨洪 ;
古世甫 ;
崔明东 ;
孙禹 .
电力系统保护与控制, 2011, 39 (11) :44-48+61
[4]   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
[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]   三种方法在风速预测中的应用研究 [J].
韩爽 ;
杨勇平 ;
刘永前 .
华北电力大学学报(自然科学版), 2008, (03) :57-61
[9]   基于支持向量机的中长期电力负荷组合预测 [J].
肖先勇 ;
葛嘉 ;
何德胜 .
电力系统及其自动化学报, 2008, (01) :84-88
[10]   回归型模糊最小二乘支持向量机 [J].
吴青 ;
刘三阳 ;
杜喆 .
西安电子科技大学学报, 2007, (05) :773-778