基于SVM的时间序列短期风速预测

被引:31
作者
鲍永胜
吴振升
机构
[1] 北京交通大学电气工程学院
关键词
短期风速预测; 支持向量机(SVM); 风电场;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
短期风速预测对风力发电系统的并网运行具有重要意义。对风速进行较准确预测,可以有效减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。介绍了支持向量机(SVM)理论的新应用,讨论支持向量机理论用于风速预测的具体过程;建立基于支持向量机风电场短期风速预测模型,此模型仅以历史风速数据为输入,简单、高效,不需要其他额外的气象数据。与改进模糊层次分析法的组合模型、ARMA-ARCH模型、EMD-ARMA模型、双自回归滑动平均模型的预测结果进行比较,证实支持向量机理论的应用是有效的,可以用于风速的短期预测和发电量预测。
引用
收藏
页码:61 / 64
页数:4
相关论文
empty
未找到相关数据