基于支持向量機的短期風速預測方法研究.pdf

1、能源問題是人類可持續(xù)發(fā)展過程中亟待解決的重大問題。隨著常規(guī)能源瀕臨枯竭，可再生能源越來越受到世界各國的重視，風能在可再生能源發(fā)展中占據(jù)著重要的位置。風力發(fā)電從技術(shù)成熟性和經(jīng)濟可行性看，在可再生能源中具有較好前景。 由于自然風具有隨機性、波動性及不可控制性，所以風力發(fā)電是間歇式發(fā)電，不能像常規(guī)發(fā)電那樣進行調(diào)度。隨著風力發(fā)電裝機容量的不斷增長，風電占所在電網(wǎng)的比例也在逐步增加。大容量的風電接入電網(wǎng)時會對電力供需平衡、電力系統(tǒng)的安全以

2、及電能質(zhì)量帶來嚴峻挑戰(zhàn)。如何可靠準確地根據(jù)風力發(fā)電輸出電量情況對電網(wǎng)的運行進行合理調(diào)配是一個急需解決的問題。如果能對風電場風速進行短期預測，將有利于電力系統(tǒng)調(diào)度部門必要時提前調(diào)整調(diào)度計劃，有效的減輕風電對電網(wǎng)的影響。如果預測精度達到一定的要求，還可以提高電力系統(tǒng)中風電的最大裝機比例，最終提高風電的競爭力。 支持向量機（SVM）作為一種新型的機器學習方法，由于其出色的學習性能，近年來已經(jīng)成為一個十分活躍的研究領域。用于回歸估計的支

3、持向量機方法（SVR）以可控制的精度逼近非線性函數(shù)，具有全局最優(yōu)、良好泛化能力等優(yōu)越性能，本文嘗試將其應用于風電場風速的短期預測中。 本文以統(tǒng)計學習理論與支持向量機原理為基礎，分析了常用的支持向量回歸機、核函數(shù)及模型參數(shù)的性能，以及各種核函數(shù)與模型參數(shù)對支持向量機性能的影響和作用。針對風速預測中的小樣本、非線性及高維回歸等特點，將支持向量回歸機方法引入短期風速的預測，構(gòu)建了短期風速預測模型。并以某風電場采集的風速及其相關數(shù)據(jù)為例