文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 能源/化工 > 基于GA—LS—SVM的风电场小时风速预测
侵权投诉

基于GA—LS—SVM的风电场小时风速预测

提出了一种利用遗传算法优化最小二乘支持向量机的风电场小时风速预测方法。应用遗传算法选择最小二乘支持向量机的参数,再将选择的参数代入最小二乘支持向量机模型对提前5d的小时风速进行预测。实验结果表明了该方法的有效性。

21 0 2年第 1期 2 1 mb r 1 0 2 Nu e

水

电与新

能源

总第 10期 0 Toa .1 o tl NO 0

HYDROPOW ER AND NE W ENERGY

文章编号:6 1 34 2 1 ) 1 0 4— 3 17—35 ( 02 0—07 0

基于 G A—L S—S M的风电场小时风速预测 V 徐蓓蓓,蒋铁铮, 宏易 (长沙理工大学电气与信息工程学院,湖南长沙 4 07 ) 10 6

摘要:提出了一种利用遗传算法优化最小二乘支持向量机的风电场小时风速预测方法。应用遗传算法选择最小二乘支 持向量机的参数,再将选择的参数代入最小二乘支持向量机模型对提前 5d的小时风速进行预测。实验结果表明了该 方法的有效性。

关键词:风力发电;小时风速;风速预测;遗传算法;最小二乘支持向量机 中图分类号:K 1 T 8文献标志码: A

Ho ry W i d S e d Fo e a t g o i d F r Ba e n GA- - VM u l n p e r c si fW n a m s d o n LS S XU B ie,JANG T eh n,YI n eb i I iz e g Ho g ( oeeo l tcl n no t nE gne n, hn saU i rt o S i c C l g f e r a adI r i nier g C a gh nv sy f c ne& T c nl y hnsa 10 6 hn ) l Ec i f mao i e i e eh o g,C agh 0 7,C ia o 4 Ab t a t s r c:A h r— n p e rd c in frw n a m a e n g n t lo i m i a t q a e u p r v co - s ot wi d s e d p e it o i d fr b s d o e e i ag r h w t l s u r s s p o e trma o c t h e s t

c ie( A-SS M)i po oe ntepp r h pi i dp rm tr aee poe t L—V o e i odr o hn G L—V s rpsdi h ae.T eo t z aa e s r m l di o SS M m dl n re m e e y n t p e c he s o tt r wid s e d.S mu ain r s s s o t a h r p s d me h d p o e h fe tv n s n h r— r ditt h

r-e m n p e i lto e uh h w h tt e p o o e t o r v s t e ef ci e e s i s o t

t r wid s e d p e it n e m n p e r d c i . o

Ke o d: i o e eeai; o r idsed w n edpe i i; e e ca oi m ( A) e s su r yw r s wn p w r n rt n h ul wn p e; ids e rdc o g nt l rh G;l t q ae d g o y p tn i g t a sp o et c ie( SS M) u pr vco mahn L .V t r

风能作为一种无污染、可再生能源,已得到世界各 国的高度重视…。目前,内外对于风力发电各种课国题的研究越来越深入,其中关于风电场风速和功率但预测的研究还达不到令人满意的程度 J。准确预测

机模型参数进行优化选择 ( A—L G S—S M)并用参数 V,

优化后的最小二乘支持向量机模型对风电场的小时风速进行预测,取得了较好的预测精度。

风速可以减少电力系统运行成本,对于电网调度和资源配置有重要意义。 目前,速预测的方法主要有随机时间序列法风 (R A MA)、工神经网络法 ( N J模糊逻辑法 J人 A N)、 ( uz oi)、间相关性法等 ( ptlCr l. FzyL g J空 c Sai o ea a r t n L。人工神经网络法一度成为近些年预测领域 i )4 o j 的研究热点,也存在着许多至今无法解决的问但

1模型建立 1 1最小二乘支持向量机 ( S S M)一 . L— V

用支持向量机 ( V来估计回归函数的基本思 S M)想就是通过一个非线性映射,把输入空间的数据映射到一个高维特征空间中去,后在此特征空间做线性然 回归。S M模型采用结构风险最小化准则,仅使样 V不本训练误差最小化,而且缩小了模型泛化误差的上界,

题。作为支持向量机上的一种扩展, j最小二乘支持 向量机( S— V在拥有着惟一的全局最优解的同 L S M)

从而提高了模型的泛化能力。通过将求解的机器学习 问题转化为二次规划问题,V可以得到惟一的全局 SM

时也存在着参数选择的问题。与传统算法相比,遗传 算法 ( A能使种群达到全局最优收敛

, G )无需先验知识,而且对初始参数不敏感,以不会陷入局部极小所 .

最优解。最t - J b-乘支持向量机( S— V是标准 L S M)支持向量机的一种扩展,它是支持向量机在二次损失函数下的一种形式。最小二乘支持向量机只求解线性方程,其求解速度快,函数估计和逼近中得到了广泛在

点。因此本文引入遗传算法对最小二乘支持向量]

收稿日期:0 1—1 6 2 1 O一2者简介:徐蓓蓓,,女硕士研究生,从事电力系统控制与运行方面的研究。主要 74

基于GA—LS—SVM的风电场小时风速预测

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email