基于提升小波和支持向量机的短期风电功率预测

《基于提升小波和支持向量机的短期风电功率预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据分类号!K垦!UDC鱼21：3；工荨大擎密级公五§岛号!Q2窆9鱼Q窆!垒15工程硕士学位论文基于提升小波和支持向量机的短期风电功率预测Short-termWindPowerPredictionBasedonLiftingWaveletandSupportVectorMachine指导作者教师姓名孙玉坤蒋家欣申请学位级别工程硕士学科(专业)电气工程论文提交日期2014年11月论文答辩日期2014年12月学位授予单位和日期江苏大学2014年月答辩委员会主席评阅人万方数据独创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果

2、。除文中已注明引用的内容以外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果，也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：，上月、c7学位论文版权使用授权书日江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊(光盘版)电子杂志社有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致，允许论文被查阅和借阅，同时授权中国科学技术信息研究所

3、将本论文编入《中国学位论文全文数据库》并向社会提供查询，授权中国学术期刊(光盘版)电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布(包括刊登)授权江苏大学研究生处办理。本学位论文属于不保密口。学位论文作者签名：囊懈如／昨‘2月q日指导教师签名：—加f牛年f■月万方数据江苏大学工程硕士学位论文摘要风能发展潜力巨大，将会是未来能源结构的重要组成部分，但是风电的不确定性和随机性严重阻碍了风力发电技术的发展，而风电功率预测是解决这一难题的有效手段之一。准确的风电功率预测是电网稳定和安全运行的重要依据，对改善电网的供电质量，节约国家能源和

4、降低发电企业的成本有重要意义。因此，提高风电功率预测的精度是首要任务。人工神经网络能够以任意精度逼近非线性函数，本文首先将人工神经网络作为预测方法，并详细介绍了其理论知识，建立了预测模型。但是风电功率波动大的特点使神经网络的学习和训练困难，预测精度不高。因此，本文在此基础上提出了基于提升小波和神经网络的短期风电功率预测模型。提升小波变换可以以任意尺度提取功率序列的任意细节，去除风电功率的噪声，提高其预测精度。最后利用某风电场的真实数据进行仿真研究，验证了上述方法的可行性和有效性。为了进一步提高风电功率预测的精度，本文提出了基于提升小波和支持向量机的短期风电功率预测模

5、型。支持向量机具有很强的预测能力、收敛能力和全局最优等特点，能够提高小样本学习效率，进而提高风电功率预测的精度。仿真结果表明，该方法可以有效地去除风电功率的噪声，提高预测方法学习和训练的效果，很大程度地提高预测的精度。最后，基于上述方法，结合实际风电场的运用需要，在MATLAB平台上开发出一套风电功率预测软件系统。该系统操作高效，预测精度高，并集成了多种预测方法。运用实际风电场数据在现场运行，该系统在满足电网运行工作需要的情况下，能够以较高的预测精度保证风电场的高效安全运行。关键词：功率预测，提升小波，人工神经网络，支持向量机万方数据基于提升小波和支持向量机的短期风

6、电功率预测ABSTRACTWindenergyhasgreatdevelopmentpotential．ItwillbeanimportantpartofenergystructIlreinthefuture．Butuncertaintyandrandomcharacteristicsofthewindpowerhavebeinghinderedthedevelopmentofthewindpowertechnologyseriously．Windpowerforecastingisoneoftheeffectivemeanstosolvethisproblem．A

7、ccuratewindpowerforecastingisanimportantbasisforthestableandsafeoperationofpowergrid．Itisavitalsignificanceofimprovingthepowersupplyqualityofthepowergrid，savingenergy,loweringcostofpowergenerationenterprises．Therefore，improvingthewindpowerforecastingaccuracyistheprimarytask．Artificia