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

( 2012 ) 01 - 0074 - 03 基于 GA - LS - SVM 的风电场小时风速预测徐蓓蓓, 蒋铁铮, 易宏( 长沙理工大学电气与信息工程学院, 湖南 长沙 410076 ) 摘要...
基于GA_LS_SVM 的风电场 小时风速预测 小时风速预测徐蓓蓓 1 蒋铁铮 1 易(1.长沙理工大学电气与信息学院,长沙 宏1 410076) 摘要:可再生能源特别是风能的开发...
基于EMD与LS-SVM的风电场短期风速预测_专业资料。摘要:为了提高风电场风速短期... 基于GA—LS—SVM的风电场... 暂无评价 3页 1.00 基于EMD和LS_SVM的...
基于小波变换的ARMA-LSSVM短期风速预测 对风电场风速的准确预测,可以有效减轻并网后风电对电网的影响,提高风电市场竞争力。提出将时间序列自回归滑动平均模型(Auto...
基于改进PSO-LSSVM的风电场短期功率预测_电力/水利_工程科技_专业资料。176 西安理工大学学报 Journal of Xi’aN University of Technology ...
基于GA-LS-SVM的风速预测 8页 1财富值 基于ARMA和卡尔曼滤波的风... 5页... 基于ARMA-ARCH 模型的风电场风速预测研究 何育,陈冀,赵磊(东南大学,江苏 ...
文献〔301提出了基于最小二乘支持向量机(Ls—SVM)的风电场短期预测方法,以历史风速数据、气压、温度作为输入,对风速和环境条件进行训练,建 立预测模型。并且运用...
1, 2012 基于 PSO 优化 LSSVM 的短期风速预测孙 斌,姚海涛 (东北电力大学能源与动力学院,吉林 吉林 132012) 摘要:为了提高风电场风速短期预测的精确性,提出了...
基于时间序列的WD LS SVM的风速周期预测模型研究_机械/仪表_工程科技_专业资料。第3 0卷第 2期 201 4年 2月 电 力 科 学 与 工 程 V0 J.30.No.2...
风电场短期风速预测 作者:张赟 来源:《价值工程》 2013 年第 09 期 摘要: 为了提高风电场短期风速预测的精度,提出了基于当地气象因子和支持向量机 (MF-SVM)的...
热门文档