基于支持向量机的风电功率预测毕业设计终稿

《基于支持向量机的风电功率预测毕业设计终稿》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、毕业设计说明书题目：基于支持向量机的风电功率预测学院：信息工程学院专业：建筑设施智能技术学号：2010551624姓名：柯贤军指导教师：王冬丽完成日期：2014年5月湘潭大学毕业论文（设计）任务书论文（设计）题目：基于支持向量机的风电功率预测学号：2010551624姓名：柯贤军专业：建筑设施智能技术指导教师：王冬丽系主任：易灵芝教授一、主要内容及基本要求近年来，由于我国大力发展风电功率市场。风电功率预测也成为从事电力部门工作人员的研究热点问题。目前，有很多方法可以进行风电功率预测，通过查阅文献，进行对比，最终提出了基于支持向量机的风电功率预测方法。本文首先讲解了风电功率的发电原理和影响风

2、力发电的因素；接着，通过国标讲解了风电功率预测的分类，评判标准和预测方法等，并且提出了基于支持向量机的风电功率预测办法；然后，重点讲解了支持向量机的理论基础和实现支持向量机在回归预测中的实现方法；而后，我们建立了基于支持向量（SVM）的风电功率预测方法，并与神经网络(BP)的预测方法进行比较，发现支持向量机的预测精度高于神经网络；最后，我们提出了用遗传算法来优化支持向量机的参数，最终结果表明遗传优化(GA)的支持向量机算法有显著的优越性。基本要求：（1）总结国内外发电功率的预测现状（2）讨论和比较各种风电功率预测方法的优缺点（3）掌握支持向量机的理论基础和它在回归预测中的应用（4）建立基于

3、支持向量机的风电功率预测方法的设计与仿真（5）证明支持向量机的可行性和优越性，并对参数进行优化二、重点研究的问题（1）运用Matlab实现支持向量机回归预测算法（2）风电功率预测算法中损失参数和核参数的选择（3）仿真结果的分析三、进度安排序号各阶段完成的内容完成时间1查阅文献，了解风电功率预测的研究现状2013.12.15-2013.12.202学习比较各种风电功率预测方法2013.12.25-2014.01.153集中学习SVM在回归预测中的应用2014.01.15-2014.02.154利用SVM算法实现风电功率预测2014.02.15-2014.03.155仿真结果分析和参数选择20

4、14.03.20-2014.04.056毕业论文撰写与修改，准备论文答辩2014.04.10-2014.05.067毕业答辩2014.5月底8四、应收集的资料及主要参考文献[1]杨桂兴.对风电功率预测系统中预测精度的讨论[J].电网与清洁能源,2011,1(1)[2]王强强.基于遗传优化的支持向量机短期风电功率预测研究[J].贵州师范大学学报，2013.2(1)[3]于海.吉林电网风电功率预测系统的设计与实现[D].北京:北京大学,2009.[4]范高峰，等.风电功率预测的发展现状与展望[J].中国电力，2011.6,44（6）[5]蒋亮亮.基于MATLAB的BP神经网络应用[D].南京：

5、南京信息工程大学，2011[6]白鹏，张斌.支持向量机理论及工程应用实例[M].西安：西安电子科技大学出版社，2008[7]杨志民,刘广利.不确定性支持向量机原理及应用[M].北京:科学出版社,2007[8]邢永忠.最小二乘支持向量机的若干问题与应用研究[D].南京：南京理工大学，2009湘潭大学毕业论文（设计）评阅表学号2010551624姓名柯贤军专业建筑设施智能技术毕业论文（设计）题目：基于支持向量机的风电功率预测评价项目评价内容选题1.是否符合培养目标，体现学科、专业特点和教学计划的基本要求，达到综合训练的目的；2.难度、份量是否适当；3.是否与生产、科研、社会等实际相结合。能力1

6、.是否有查阅文献、综合归纳资料的能力；2.是否有综合运用知识的能力；3.是否具备研究方案的设计能力、研究方法和手段的运用能力；4.是否具备一定的外文与计算机应用能力；5.工科是否有经济分析能力。论文（设计）质量1.立论是否正确，论述是否充分，结构是否严谨合理；实验是否正确，设计、计算、分析处理是否科学；技术用语是否准确，符号是否统一，图表图纸是否完备、整洁、正确，引文是否规范；2.文字是否通顺，有无观点提炼，综合概括能力如何；3.有无理论价值或实际应用价值，有无创新之处。综合评价　　　柯贤军同学所做的“基于支持向量机的风电功率预测”，选题符合建筑设施智能技术专业的培养目标，体现了学科、专业

7、特点和教学计划的基本要求，能达到综合训练的目的，且难度适中。毕业设计说明书文字叙述条理清楚，方案设计合理、计算正确，符号统一，图表完备、整洁、正确。体现了该生具有一定查阅文献、综合归纳资料的能力和一定的外文与计算机应用能力。评阅人：年月日湘潭大学毕业论文（设计）鉴定意见学号：2010551624姓名：柯贤军专业：建筑设施智能技术毕业论文（设计说明书）31页图表21张论文（设计）题目：基于支持向量机的风电功率预测内容提要：