基于支持向量機(jī)的風(fēng)電場風(fēng)速預(yù)測方法研究.pdf

1、能源枯竭、資源匱乏已經(jīng)成為一個(gè)全球性問題，從而可再生能源的開發(fā)與持續(xù)利用日益受到關(guān)注。其中，風(fēng)能作為潔凈、無污染和易于利用的可再生能源之一，更是在全世界范圍內(nèi)得到了廣泛的應(yīng)用。然而，由于風(fēng)電發(fā)電自身的波動(dòng)性和不穩(wěn)定性，給電力系統(tǒng)的安全穩(wěn)定和產(chǎn)能質(zhì)量造成了不良的影響。解決這些問題的關(guān)鍵在于，對風(fēng)電場風(fēng)速和風(fēng)電功率進(jìn)行預(yù)測。通過對風(fēng)電場風(fēng)速的準(zhǔn)確預(yù)測，可以降低風(fēng)電功率的隨機(jī)性，可有效緩解風(fēng)速變化對電力系統(tǒng)造成的不利影響。風(fēng)速預(yù)測方法近年來發(fā)

2、展迅速，但是在預(yù)測方法的多元化和預(yù)測精度方面還有比較大的上升空間。
　　本文通過建立和評估多種短期風(fēng)速預(yù)測模型，發(fā)現(xiàn)單一的風(fēng)速預(yù)測方法的預(yù)測精度相對不足，于是提出組合預(yù)測模型，并通過對對支持向量機(jī)方法的改進(jìn)和研究，綜合利用各風(fēng)速預(yù)測算法的優(yōu)點(diǎn)，提出了一種基于最小二乘支持向量機(jī)的組合預(yù)測模型。該預(yù)測方法首先利用模糊層次分析法，在若干單項(xiàng)預(yù)測模型中篩選出灰色預(yù)測算法，人工神經(jīng)網(wǎng)絡(luò)預(yù)測算法和時(shí)間序列—卡爾曼濾波混合算法;然后以這三種單項(xiàng)

3、預(yù)測模型作為輸入，并以實(shí)際風(fēng)速值作為輸出，進(jìn)行訓(xùn)練最小二乘支持向量機(jī);最終得出預(yù)測函數(shù)。
　　本文還分別建立等權(quán)平均組合預(yù)測模型和最優(yōu)加權(quán)組合預(yù)測模型，且以這兩種組合預(yù)測模型為參照，來分析基于最小二乘支持向量機(jī)的組合預(yù)測模型的預(yù)測性能。本研究中，針對各模型的預(yù)測性能，采用預(yù)測平均絕對誤差，平均絕對百分比誤差以及誤差平方和，這三個(gè)誤差指標(biāo)來比較分析。通過以內(nèi)蒙古某風(fēng)電場計(jì)算出的小時(shí)風(fēng)速數(shù)據(jù)作為研究樣本，運(yùn)用MATLAB進(jìn)行仿真，采用