基于小波包变换的最小二乘支持向量机短期风速多步预测和信息粒化预测的研究

被引：21

作者：

柳玉 ^{[1
]}

曾德良 ^{[2
]}

刘吉臻 ^{[2
]}

白恺 ^{[1
]}

宋鹏 ^{[1
]}

机构：

[1] 华北电力科学研究院有限责任公司

[2] 华北电力大学新能源电力国家重点实验室

来源：

太阳能学报 | 2014年 / 35卷 / 02期

关键词：

风速预测; 最小二乘支持向量机; 小波包变换; 多步预测; 信息粒化;

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：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

讨论风电场短期风速多步预测和信息粒化预测,建模方法采用最小二乘支持向量机回归算法,数据处理方法采用小波包变换算法,在小波变换的基础上有选择地分解高频部分,可进一步提升预测精度。最后,将该文所提的建模方法应用于短期风速多步预测和信息粒化预测。大量实例分析表明,多步预测方法可得到风速预测曲线,适用于含风电场的区域能源连续调度;信息粒化方法可处理冗余数据并得到较准确的风速预测的特征数据,能准确分析不同风电场或不同风电机组的机组特性。

引用

页码：214 / 220

页数：7

共 12 条

[1]

Optimal short-term load dispatch strategy in wind farm.[J]..Science China(Technological Sciences).2012, 04

[2]

基于人工神经网络模型的风速预测 [J].