全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

风场短期风速预测研究

, PP. 68-74

Keywords: 风速预测,小波分解,遗传算法,支持向量机,可调参数

Full-Text   Cite this paper   Add to My Lib

Abstract:

提出一种基于支持向量机的短期风速预测模型,并通过小波分解和遗传算法实现模型中的数据预处理和参数寻优。模型包括数据处理单元、参数寻优单元和支持向量机单元,以历史风速值作为输入,输出未来时间段的风速值。同时,通过引入模型的可调参数,提高模型对应不同风场风速数据的普遍适应性。实验结果表明,模型的预测效果良好,并具有较好的适应性,可适应不同地区的风场数据。

References

[1]  陈树勇, 戴慧珠, 白晓民, 等. 风电场的发电可靠性模型及其应用[J]. 中国电机工程学报, 2000, 20(3): 26-29.
[2]  孙春顺, 王耀南, 李欣然. 小时风速的向量自回归模型及应用[J]. 中国电机工程学报, 2008, 28(14): 112-117.
[3]  潘迪夫, 刘辉, 李燕飞. 风电场风速短期多步预测改进算法[J]. 中国电机工程学报, 2008, 28(26): 87-91.
[4]  Damousis I G, Dokopoulos P. A fuzzy expert system for the forecasting of wind speed and power generation in wind farms[C]. IEEE Power Industry Computer Applications Conference, 2001.
[5]  Alexandre C, Antonio C, Jorge N, et al. A review on the young history of the wind power short-term prediction[J]. Renewable and Sustainable Energy Reviews, 2008(12): 1725-1744.
[6]  杨秀媛, 肖洋, 陈树勇. 风电场风速和发电功率预测研究[J]. 中国电机工程学报, 2005, 25 (11): 1-5.
[7]  王承煦, 张源. 风力发电[M]. 北京: 中国电力出版社, 2003.
[8]  邓乃扬, 田英杰. 数据挖掘中的新方法—支持向量机[M]. 北京: 科学出版社, 2004.
[9]  Vapnik V. 统计学习理论的本质[M]. 张学工, 译. 北京: 清华大学出版社, 2000.
[10]  张学工. 关于统计学习理论与支持向量机[J]. 自动化学报, 2000, 26(1): 32-42.
[11]  程正兴. 小波分析算法与应用[M]. 西安: 西安交通大学出版社, 1998.
[12]  Stephane G M. A theory for multiresolution signal decomposition: the wavelet representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989, 11(7): 674-693.
[13]  Mitchell R J, Chambers B, Anderson A P. Array pattern synthesis in the complex plane optimized by a genetic algorithm[J]. Electronics Letters, 1996, 32(20): 1843-1845.
[14]  张文修, 梁怡. 遗传算法的教学基础[M]. 西安: 西安交通大学出版社, 2000.
[15]  石钧. 多小波: 理论和应用[J]. 信号处理, 1999, 15(4): 25-27.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133