支持向量机方法在风电场风速预测中的应用研究

为了能够消除由于大规模开发风电所带来的对电网稳定性的不良影响,风电场风速及风电机组发电量的短期预报已经成为国内外共同关注的问题。风电场风速的较准确预测,可以调整调度计划,有效减轻风电对整个电网的不利影响,同时提高风电场在电力市场中的竞争能力。本文采用内蒙某风电场全年的实测风速数据进行风电场的风特性分析；然后采用最小二乘支持向量机(LS-SVM)方法直接对风电场的风速进行短期预测。并对LS-SVM的参数选择方法进行分析,采用遗传算法分别针对LS-SVM的正则化参数C和核函数γ进行优化,并用优化后的LS-SVM模型进行短期风速预测,且与网格搜索优化参数方法进行对比分析,结果表明,遗传算法(GA)优化后模型的预测效果优于网格搜索优化方法。最后针对风速的不平稳性,再利用小波变换(WT)对其进行平稳化预处理,并用WT&LS-SVM相结合的模型进行风速预测。试验结果表明,WT&LS-SVM相结合的模型的预测相对其他模型效果较好,从而有效地减轻了风速波动对整个电网的不利影响。