基于最小二乘支持向量機風電機組的預測研究

1、／士：l=l明本人鄭重聲明：此處所提交的碩士學位論文《基于最4乘支持向量機風電機組的預測研究》，是本人在華北電力大學攻讀碩士學位期間，在導師指導下進行的研究工作和取得的研究成果。據本人所知，除了文中特別加以標注和致謝之處外，論文中不包含其他人已經發(fā)表或撰寫過的研究成果，也不包含為獲得華北電力大學或其他教育機構的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文作者簽名：翻渤

2、日期：關于學位論文使用授權的說明本人完全了解華北電力大學有關保留、使用學位論文的規(guī)定，即：①學校有權保管、并向有關部門送交學位論文的原件與復印件；②學校可以采用影印、縮印或其它復制手段復制并保存學位論文；③學?？稍试S學位論文被查閱或借閱；④學?？梢詫W術交流為目的，復制贈送和交換學位論文；⑤同意學?？梢杂貌煌绞皆诓煌襟w上發(fā)表、傳播學位論文的全部或部分內容。(涉密的學位論文在解密后遵守此規(guī)定)作者簽名：導師簽名：奎互圭曼匿日期：鯊：主：

3、堡華北電力大學碩士學位論文摘要lUlllIIllllllIIUIIllIII＼1796606最小二乘支持向量機對非線性對象具有擬合和預測能力，風力發(fā)電系統是一個非線性的復雜系統，本文進行最小二乘支持向量基礎理論在風電機組中的應用研究。針對風力發(fā)電機組的風輪進行研究并建模仿真，得到風輪動態(tài)特性曲線，并分析各種因素對風輪輸出轉矩的影響，與BP神經網絡模型進行對比，驗證最小二乘支持向量機優(yōu)越性能?；诠β氏禂的Ｐ偷幕A上，提出風力發(fā)電機組的智

4、能變槳模型，預測高于額定風速時，槳距角的變化。目前，國內對風速和發(fā)電量的短期預大多采用時間序列法和神經網絡法，因此提出LSSVM預測模型，利用實際數據模型的訓練樣本和測試樣本，對風速與發(fā)電量進行24小時預報，同時建立粒子群優(yōu)化參數模型，PSOLSSVM模型與標準模型輸出結果進行對比，驗證PSOLSSVM模型收斂性好，使LSSVM模型為實際預報系統提供理論支持。關鍵詞：風輪、LSSVM、槳距角、發(fā)電量預測、粒子群算法ABSTRACTLea

5、stSquaresSupportVectorMachine(LSSVM)iscapableofpredictionandfittinginforthenonlinearobjectsandwindpowergenerationsystemisanonlinearcomplexsystemThus，inthispaperLSSVMisusedintheresearchofwindturbinegenerationsystemModelof

6、windturbinehasbeenbuiltforsimulationtogetcharacteristiccurvesofwindturbineandanalyzefactorsontheimpactofthewindtorqueComparingwimBPneuralnetworkmodel，theresultsverifythesuperiorperformanceofLS—SVMBasedonmodelofpowercoeff

7、icientintelligentpitchcontrolmodelisofferedforpredictingchangesofbladeangleonoverratedwindspeedconditionSofarit’Sstillontheearlyperiodoftheoreticalresearchforstudyofshorttermwindspeedpredictionandwindpowerprediction，whic

8、hmainlyadopttimeseriesmethodandneuralnetworkmethodHoweverinthispaperLS—SVMforecastingmodelisbuilttoforecast24hourspredictionofwindspeedandwindpowerusingtrainingsamplesandtestsamplesofactualdataAtthesametime，thepaperalsob

9、uildsparticleswarmoptimizedparametormodelThroughcomparingPSOLSSVMmodelwithstandardmodel，itCanbeprovedthatPSOLSSVMmodelhasabetterconstringencythanLS—SVMmodel，makingLSSVMmodelpracticalinactualpredictionsystemCuiyuqi(Detect