基于RS-SVM风电场风速估计的方法研究

评估风电场的风能资源状况,是开发风力发电项目中最基础、最关键的工作,而风速预测是评估风电场的风能资源状况的根本依据。只有对风电场的风速准确预测,才能有效避免不利影响,提高在电力市场中的竞争能力。虽然风电场的风速预测已经有很多的理论和方法,但是预测的精度仍不够理想。本文综合运用支持向量机和粗集理论,分析影响风速预测的各类因素,提出新的预测方法,使预测精度显著提高,训练时间明显缩短。本文的研究内容及获得的结论主要包括以下几个方面: (1)论述了风力发电的现状和风速预测的基本方法。 (2)本文应用的主要方法。针对风力发电风电场风速与各种影响因素之间的非线性关系,利用支持向量机具有非线性拟合、泛化能力强、训练收敛速度快等显著特点,建立了基于支持向量机的预测模型。又利用粗集理论(RS)处理影响风速预测因素的模糊性和不确定性,建立属性集的约简、核以及从决策表中去除冗余属性,从约简的决策表中产生分类规则并利用得到的规则进行决策。 (3)提出了粗集理论(RS)和支持向量机(SVM)结合的风速预测的方法。考虑到风速变化的周期性特点,利用粗糙集理论对风电场风速决策系统进行约简,消除样本无用信息和冗余,在此基础上设计支持向量机多分类器,进行短期预测分类。有效减小SVM训练的数据,加快多分类器的处理速度。 (4)通过实例分析验证。RS-SVM能够有效减少风电场风速预测的条件属性,降低了噪声数据的影响,实现风速数据变量间的非线性映射关系,提高了模型的运行速度和预测精度。