基于相似数据的支持向量机短期风速预测仿真研究.pdf

《基于相似数据的支持向量机短期风速预测仿真研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第32卷第4期中国电机工程学报Vo1．32No．4Feb．5，20122012年2月5日ProceedingsoftheCSEE~2012Chin．Soc．forElec．Eng．35文章编号：0258-8013(2012)04—0035—07中图分类号：TM71文献标志码：A学科分类号：470·40基于相似数据的支持向量机短期风速预测仿真研究杨锡运，孙宝君，张新房2，李利霞(1．华北电力大学控制与计算机工程学院，北京市昌平区102206；2．国核电力规划设计研究院，北京市海淀区100094)Short—termWindSpeedForecastingBasedonSuppor

2、tVectorMachineWithSimilarDataYANGXiyun，SUNBaojun，ZHANGXinfang，LILixia(1．SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity,ChangpingDistrict，Beijing102206，China；2．StateNuclearElectricPowerPlanningDesign&ResearchInstitute，HaidianDistrict，Beijing100094，China)ABSTRACT：Windp

3、owerpredictionisanefectivewayt0的支持向量机短期风速预测方法。该方法从大量的数据样本decreasetheefectsforthelarge—scalewindpowerconnecting中提取相似数据创建训练样本，采用小波分解技术将风速信togrid．Improvingaccuracyofshort-termwindpredictionis号分解成低频趋势信号和高频随机信号，分别采用支持向量keyofwindpowerprediction．Inthispaper,asupportvector机理论建模，合成得到风速预测数据。仿真结果表明，相似m

4、achine(SVM)methodwasproposedbasedonwavelet数据有效地提高了数据的相关度，小波分解使支持向量机模analysisandsimilardata．Similardatawereextractedfrom型更好地拟合风速信号的低频和高频特性，提高了预测精largeamountsofdatatocreatethetrainingsamples．The度。通过与某风电场的实际风速数据验证，表明模型具有较originalwindspeeddatawasdecomposedintotrendsignalof强的泛化能力，程序运行时间可满足工程需要。lo

5、wfrequencybandandrandomsignalofhighfrequencybandbywaveletdecomposition．DiferentSVMspeedforecasting关键词：风速；短期预测；相似数据；小波分析；支持向量机modelsweretrainedrespectivelyandcombinedtoobtain0引言forecastingresults．Thesimulationexperimentsshowthatsimilardataeffectivelyimprovetherelevanceofdata．SVM由于风速的特点，风场输出的功

6、率具有波动性modelsbeRerapproximatethewindspeedcharacteristicsof和间歇性的特点。随着大规模风电接入电网，电网lowandhighfrequencybandbywaveletdecompositionand的安全稳定运行受到了严峻挑战【lJ。对风电场发电predictionaccuracyisimproved．Byvalidationwiththe量进行准确预测，是增强电网的安全性和可控性，measuredwindspeeddataofawindfarm，themodelhas实现电网的合理经济调度的有效手段。由于风速预gener

7、alizationcapabilityandgoodruntimeformeetingrequirementofengineeringapplication．测通常是风电场发电量预报的基础【2J，因此提高风速预测的精度具有迫切、重要的意义。KEYWORDS：windspeed；short—termprediction；similardata；waveletanalysis；supportvectormachine(SVM)目前，风速预测方法可分为基于物理模型的方法和基于历史数据的预测方法两大