基于支持向量機的風速預(yù)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(guān)注。在這些新能源中，風力發(fā)電更是得到了廣泛應(yīng)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(wǎng)時，更是給電網(wǎng)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(yù)測。其中風速預(yù)測為風電功率的間接預(yù)測方式。通過對風電場風速的預(yù)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(yù)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(yù)測模型，發(fā)現(xiàn)單一的風速預(yù)測模型的預(yù)測精度提升空間有限，于是根據(jù)對支持向量機和組合預(yù)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(yù)測模型。利用組合預(yù)測模型可綜合各單項預(yù)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(yù)測模型。該組合模型采用RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò)的風速預(yù)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(yù)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(yù)測模型的預(yù)測性能。各模型的預(yù)測性能，采用預(yù)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(yù)測，證明了基于最小二乘支持向量機的風速組合預(yù)測模型的有效性。仿真試驗表明，組合預(yù)測模型可進一步提升風速預(yù)測精度，而且相較于傳統(tǒng)線性組合預(yù)測模型，基