支持向量機(jī)在風(fēng)電功率預(yù)測中的應(yīng)用研究.pdf

1、隨著全球能源短缺、能源供應(yīng)安全形勢日趨嚴(yán)峻和應(yīng)對氣候變化呼聲日益高漲，風(fēng)能作為清潔的可再生能源，已成為替代化石能源的重要選擇。但風(fēng)電功率具有波動(dòng)性和間歇性。風(fēng)電的大規(guī)模接入將對電力系統(tǒng)的穩(wěn)定運(yùn)行和正常調(diào)度帶來巨大挑戰(zhàn)。深入研究風(fēng)電功率預(yù)測，對提高風(fēng)電場與電力系統(tǒng)協(xié)調(diào)運(yùn)行能力，促進(jìn)風(fēng)電持續(xù)健康發(fā)展具有十分重要的意義。本文主要圍繞超短期風(fēng)電功率預(yù)測，重點(diǎn)展開了以下研究：
　　1.以支持向量機(jī)原理為基礎(chǔ)，建立支持向量機(jī)回歸模型，實(shí)現(xiàn)風(fēng)電

2、功率直接預(yù)測。構(gòu)建基于SVM的風(fēng)電機(jī)組功率曲線模型，通過風(fēng)速預(yù)測，實(shí)現(xiàn)風(fēng)電功率的間接預(yù)測。
　　2.對支持向量機(jī)的模型參數(shù)優(yōu)化問題研究。分析懲罰因子C和核參數(shù)σ的作用以及對支持向量機(jī)性能的影響。運(yùn)用實(shí)數(shù)編碼小世界優(yōu)化算法，提出基于小世界優(yōu)化的支持向量機(jī)改進(jìn)算法(RSWO-SVM)，解決SVM建模時(shí)存在的不足，并利用RSWO-SVM算法實(shí)現(xiàn)風(fēng)電功率預(yù)測。
　　3.研究分析數(shù)學(xué)形態(tài)學(xué)基本原理和多尺度分解算法。針對風(fēng)速序列隨時(shí)間呈