风场短期风速预测研究

被引:75
作者
罗文
王莉娜
机构
[1] 北京航空航天大学自动化科学与电气工程学院
关键词
风速预测; 小波分解; 遗传算法; 支持向量机; 可调参数;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
080811 [新能源发电与电能存储];
摘要
提出一种基于支持向量机的短期风速预测模型,并通过小波分解和遗传算法实现模型中的数据预处理和参数寻优。模型包括数据处理单元、参数寻优单元和支持向量机单元,以历史风速值作为输入,输出未来时间段的风速值。同时,通过引入模型的可调参数,提高模型对应不同风场风速数据的普遍适应性。实验结果表明,模型的预测效果良好,并具有较好的适应性,可适应不同地区的风场数据。
引用
收藏
页码:68 / 74
页数:7
相关论文
共 10 条
[1]
风电场风速短期多步预测改进算法 [J].
潘迪夫 ;
刘辉 ;
李燕飞 .
中国电机工程学报, 2008, (26) :87-91
[2]
小时风速的向量自回归模型及应用 [J].
孙春顺 ;
王耀南 ;
李欣然 .
中国电机工程学报, 2008, (14) :112-117
[3]
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
[4]
风电场的发电可靠性模型及其应用 [J].
陈树勇 ;
戴慧珠 ;
白晓民 ;
周孝信 .
中国电机工程学报, 2000, (03)
[5]
关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01)
[6]
多小波:理论和应用 [J].
石钧 .
信号处理, 1999, (04) :329-334
[7]
数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,
[8]
风力发电.[M].王承煦;张源主编;.中国电力出版社.2003,
[9]
统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
[10]
小波分析算法与应用.[M].程正兴[著];.西安交通大学出版社.1998,