相空间重构的极端学习机短期风速预测模型.pdf

相空间重构的极端学习机短期风速预测模型.pdf

ID:52493367

大小:377.61 KB

页数:6页

时间:2020-03-28

相空间重构的极端学习机短期风速预测模型.pdf_第1页
相空间重构的极端学习机短期风速预测模型.pdf_第2页
相空间重构的极端学习机短期风速预测模型.pdf_第3页
相空间重构的极端学习机短期风速预测模型.pdf_第4页
相空间重构的极端学习机短期风速预测模型.pdf_第5页
资源描述:

《相空间重构的极端学习机短期风速预测模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第25卷第1期电力系统及其自动化学报V01.25No.12013年2月ProceedingsoftheCSU-EPSAFeb.2013相空间重构的极端学习机短期风速预测模型武峰雨,乐秀瑶,南东亮(河海大学能源与电气学院,南京210098)摘要:对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。根据风速具有混沌特性,提出一种相空间重构的极端学习机(extremelearningmachine,ELM)的短期风速预测模型,通过确定延迟时间和嵌入维数,对样本空间进行重构,使新的样本更能反映风速变化特性,在此基础上运用ELM进行短期风

2、速预测。与传统的预测模型相比,该方法具有学习速度快、泛化性能好等优点,为风速预测提供了新方法。关键词:风力发电;短期风速预测;混沌特性;相空间重构;极端学习机中图分类号:TM835文献标志码:A文章编号:1003—8930(2013)01—0136—06AShort-termWindSpeedPredictionModelUsingPhase-spaceReconstructedExtremeLearningMachineWUFeng-yu.LEXiu—fan.NANDong—liang(CollegeofEnergyandElectricalEngineering,HohaiUniver

3、sity,Nanjing210098,China)Abstract:Aquickandaccuratepredictionofwindspeedcaneffectivelyreduceoravoidtheadve~eeffectsofwindfarmsonpowersystem,andcanaswellimprovethecompetitivenessofthewindfarmintheelectricitymarket.Inthispaper,accordingtothechaoticcharacteristicsofthewindspeed,ashort—termwindspeedpr

4、edictionmodelusingphase—spacereconstructedextremelearningmachine(ELM)isputforward.Thedecisionofthedelaytimeandem—beddingdimensionisusedtoreconstructthesamplespace,whichmakesthenewsamplebetterreflectthechangecharacteristicsofwindspeed.Onthisbasis,theELMisappliedforshort—termwindspeedprediction.Comp

5、aredwiththetraditionalpredictionmodel,thismethodhastheadvantagesoffastlearningspeedandgoodgeneralizationperfor-mance.Therefore,anewmethodisprovidedforwindspeedprediction.Keywords:windpower;short-termwindspeedprediction;chaoticcharacteristics;phasespacereconstruction;ex—tremelearningmachine开发与利用新能源

6、是21世纪的重要能源战量为风速自身的历史值_3.4】。与神经网络等方法相略。风力发电因具有环保可再生、全球可行、成本比,该方法更适用于短期风速预测,但由于模型的低且规模效益显著等优点,已经受到了广泛的重阶数不好确定,所以受气候变化影响较大。人工神视,并成为发展最快的新型能源lll。由于风速受许经网络是用于风速预测较早的机器算法之一,使多因素影响,具有很大的持续波动性,因此对风速用非常广泛。该方法具有并行处理、分布式存储与的准确预测变得至关重要l21。容错性等特征,具有自学习、自组织和自适应能风速被认为是最能准确预测的气象参数之力,可以实现联想记忆、分类与识别等功能,对于一目前关于风速预测的

7、方法有很多,时间序列预求解复杂问题十分有效,文献[5,6]分别采用BP神。测法是应用较多的一种方法。该方法中的因变量经网络和径向基神经网络进行风速预测,但其算和自变量均可以是随机变量,且风速是一个随机法容易陷入局部最小问题而得不到最优解,算法性的序列,因此可设定因变量为待预测风速,自变收敛慢。文献[7,8】将最小二乘支持向量机应用到收稿日期:2012—07—23;修回日期:2012—09—06第1期武峰雨等:相空间重构的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。