基于支持向量機的風速預測系統(tǒng).pdf

1、在能源危機日益嚴重的今天，新能源的開發(fā)利用受到越來越多的關注。在這些新能源中，風力發(fā)電更是得到了廣泛應用。然而，風電功率的隨機性，給電力系統(tǒng)運營帶來了一系列問題，當大規(guī)模的風電場并入電網時，更是給電網的安全和穩(wěn)定帶來了極大的負擔。為了解決該問題，提出了風電場風速和風電功率預測。其中風速預測為風電功率的間接預測方式。通過對風電場風速的預測，可以降低風電功率的隨機性，從而可有效緩解風電場給電力系統(tǒng)造成的不利影響。風速預測近年來有一定發(fā)展，但

2、是還存在許多不足之處，仍然具有很大的進步空間。
　　 通過考慮多種風速短期預測模型，發(fā)現(xiàn)單一的風速預測模型的預測精度提升空間有限，于是根據(jù)對支持向量機和組合預測模型的研究，利用它們的算法優(yōu)點，提出了基于一種改進的支持向量機--最小二乘支持向量機的組合預測模型。利用組合預測模型可綜合各單項預測模型的信息，并且最小二乘支持向量機可以簡化、優(yōu)化組合預測模型。該組合模型采用RBF神經網絡、BP神經網絡和遺傳神經網絡的風速預測值作為輸入，

3、實際風速值作為輸出，并建立了線性組合預測模型，且以此為參照來分析基于最小二乘支持向量機的組合預測模型的預測性能。各模型的預測性能，采用預測平均絕對誤差、平均相對誤差以及誤差平方和三個誤差指標來比較分析。以江西老爺廟的小時風速數(shù)據(jù)作為研究樣本，運用MATLAB進行仿真，利用各模型對風速進行短期預測，證明了基于最小二乘支持向量機的風速組合預測模型的有效性。仿真試驗表明，組合預測模型可進一步提升風速預測精度，而且相較于傳統(tǒng)線性組合預測模型，基