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

被引:17
作者
严欢 [1 ]
卢继平 [1 ]
覃俏云 [2 ]
张宜阳 [3 ]
机构
[1] 输配电装备及系统安全与新技术国家重点实验室(重庆大学)
[2] 广西电网梧州供电局
[3] 陕西电力科学研究院
关键词
风电功率; 非线性组合; 组合预测; 多属性决策; 支持向量机; 采样间隔;
D O I
暂无
中图分类号
TM714 [负荷分析]; TP18 [人工智能理论];
学科分类号
080802 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对单一预测模型误差波动较大和线性组合预测的局限性,提出了基于多属性决策和支持向量机(SVM)的风电功率非线性组合预测模型。首先基于多属性决策理论,在检验其预测有效的情况下选择3种最优模型作为单项预测模型,并分别建模预测得到3种不同的预测结果;然后将各单项的预测结果作为训练输入,将相应的实际值作为训练输出,建立SVM组合预测模型。为检验该模型预测的有效性,用2组不同的历史数据进行验证,结果表明:该组合模型综合了各单项模型的优点,其均方根误差和平均百分比误差均小于各单项模型及其他组合模型,有效地提高了预测精度。最后还研究了采样间隔对预测结果的影响,结论表明:当采样间隔为5~15min时,预测精度较高。
引用
收藏
页码:29 / 34
页数:6
相关论文
共 11 条
[1]   基于连续时间段聚类的支持向量机风电功率预测方法 [J].
丁志勇 ;
杨苹 ;
杨曦 ;
张臻 .
电力系统自动化, 2012, 36 (14) :131-135+149
[2]   基于经验模式分解和混沌相空间重构的风电功率短期预测 [J].
张宜阳 ;
卢继平 ;
孟洋洋 ;
严欢 ;
李辉 .
电力系统自动化, 2012, 36 (05) :24-28
[3]   基于相似日和人工神经网络的风电功率短期预测 [J].
孟洋洋 ;
卢继平 ;
孙华利 ;
潘雪 ;
高道春 ;
廖勇 .
电网技术, 2010, 34 (12) :163-167
[4]   风电功率预测技术的应用现状及运行建议 [J].
屠强 .
电网与清洁能源, 2009, 25 (10) :4-9
[5]   基于组合预测的风电场风速及风电机功率预测 [J].
张国强 ;
张伯明 .
电力系统自动化, 2009, 33 (18) :92-95+109
[6]   风电场发电功率的建模和预测研究综述 [J].
王丽婕 ;
廖晓钟 ;
高阳 ;
高爽 .
电力系统保护与控制, 2009, 37 (13) :118-121
[7]   基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型 [J].
潘迪夫 ;
刘辉 ;
李燕飞 .
电网技术, 2008, (07) :82-86
[8]   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
[9]   多属性决策的组合赋权方法研究 [J].
徐泽水 ;
达庆利 .
中国管理科学, 2002, (02) :85-88
[10]   一种新的基于神经网络的非线性组合预测方法 [J].
文新辉 ;
牛明洁 .
系统工程理论与实践, 1994, (12) :66-72