基于递归量化分析的COA-SVR短期风速混合预测模型

被引:16
作者
潘超 [1 ]
谭启德 [1 ]
蔡国伟 [1 ]
张子信 [2 ]
机构
[1] 东北电力大学电气工程学院
[2] 国网辽宁省电力有限公司经济技术研究院
基金
国家重点研发计划;
关键词
风速预测; 递归量化分析; 相空间重构; 支持向量回归;
D O I
10.13335/j.1000-3673.pst.2018.0137
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风电规模化并网对电力系统规划与运行的影响日益严重。针对风速波动的随机性和不确定性特点,提出了一种递归量化分析方法。根据风速序列的递归率及确定性组成的联合指标对风速系列的可预测性进行量化评价,利用联合指标优选的重构参数对风速序列进行相空间重构,综合嵌入维度与延迟时间获取预测模型的最佳输入集,构建基于杜鹃优化的支持向量回归模型对风速进行预测。结合实际风电场风速数据,通过对比不同算法的预测结果,对所提方法的准确性和有效性进行验证,同时利用假设检验评估所建预测模型的泛化能力。
引用
收藏
页码:2373 / 2381
页数:9
相关论文
共 15 条
[1]   基于修正后ARIMA-GARCH模型的超短期风速预测 [J].
丁藤 ;
冯冬涵 ;
林晓凡 ;
陈靖文 ;
陈丽霞 .
电网技术, 2017, 41 (06) :1808-1814
[2]   遗传算法对SVR风速预测模型的多参数优化 [J].
朱霄珣 ;
徐搏超 ;
焦宏超 ;
韩中合 .
电机与控制学报, 2017, 21 (02) :70-75
[3]   兼容需求侧可调控资源的分布式能源系统经济优化运行及其求解算法 [J].
曾鸣 ;
彭丽霖 ;
孙静惠 ;
刘伟 ;
武赓 .
电网技术, 2016, 40 (06) :1650-1656
[4]   基于相空间重构的风电功率波动特性分析及其对预测误差影响 [J].
杨茂 ;
齐玥 .
中国电机工程学报, 2015, 35 (24) :6304-6314
[5]   基于定量递归联合熵特征重构的缓冲区流量预测算法 [J].
陆兴华 ;
陈平华 .
计算机科学, 2015, 42 (04) :68-71
[6]   基于卡尔曼滤波的风速序列短期预测方法 [J].
修春波 ;
任晓 ;
李艳晴 ;
刘明凤 .
电工技术学报, 2014, 29 (02) :253-259
[7]   一种基于混沌特性的磁瓦表面缺陷视觉提取方法 [J].
杜柳青 ;
佘骋南 ;
余永维 .
仪器仪表学报, 2013, 34 (11) :2620-2625
[8]   基于多属性决策和支持向量机的风电功率非线性组合预测 [J].
严欢 ;
卢继平 ;
覃俏云 ;
张宜阳 .
电力系统自动化, 2013, 37 (10) :29-34
[9]   基于相似数据的支持向量机短期风速预测仿真研究 [J].
杨锡运 ;
孙宝君 ;
张新房 ;
李利霞 .
中国电机工程学报, 2012, 32 (04) :35-41+21
[10]   基于蚁群优化的最小二乘支持向量机风速预测模型研究 [J].
曾杰 ;
张华 .
太阳能学报, 2011, 32 (03) :296-300