風(fēng)電功率預(yù)測及異常檢測研究.pdf

1、風(fēng)電產(chǎn)業(yè)的迅速發(fā)展對風(fēng)電場風(fēng)電功率預(yù)測和異常檢測提出了更高要求。發(fā)展在線數(shù)據(jù)流的預(yù)測和異常檢測算法是目前該領(lǐng)域研究中的一個重要課題。
　　首先,本論文介紹了風(fēng)電功率預(yù)測和異常檢測的國內(nèi)外研究現(xiàn)狀。然后介紹了自回歸滑動平均模型、最小二乘支持向量機(jī)和卡爾曼濾波算法。然后,針對風(fēng)電功率預(yù)測和異常檢測特點,提出了相應(yīng)的改進(jìn)算法。最后,將改進(jìn)算法用于風(fēng)電功率實測的數(shù)據(jù)的預(yù)測和仿真異常數(shù)據(jù)的檢測。
　　其次,通過研究自回歸滑動平均模型、

2、最小二乘支持向量機(jī)和卡爾曼濾波算法的基本思想,通過增加滑動窗口來滿足算法的在線需求,并提出了核參數(shù)優(yōu)化算法提高了最小二乘支持向量機(jī)算法的有效性。
　　然后,研究了風(fēng)電功率數(shù)據(jù)的預(yù)測。針對風(fēng)電功率預(yù)測的特點,提出了改進(jìn)的自回歸滑動平均模型算法、最小二乘支持向量機(jī)和卡爾曼濾波算法,并將改進(jìn)算法應(yīng)用于實際的風(fēng)電場風(fēng)電功率預(yù)測。結(jié)果驗證了改進(jìn)算法的有效性。
　　最后,研究了風(fēng)電功率異常數(shù)據(jù)的檢測。通過建立模糊隸屬度類型分類方法和異常