基于优化支持向量机方法的风电场风速预测研究被引量：2

下载PDF

导出

摘要随着全社会用电量的逐步增大以及国家双碳战略的逐渐落地,可再生能源的高效利用成为当前发展阶段需要不断探索的问题。由于存在无序性,风力发电难以大规模接入电网系统,若能有效预测风电场的出力并进行统一调度,将大幅提高风力发电利用率。基于此,首先阐述了支持向量机理论,然后针对其解决大样本问题的低效性进行了优化,最后通过实验对比了优化的支持向量机方法在风速预测中的有效性和准确性。

作者罗默涵

机构地区湖南建融湘安新能源开发有限责任公司

出处《机电信息》 2021年第26期6-7,共2页

关键词风电场风速预测支持向量机

分类号 TM614 [电气工程—电力系统及自动化] TP181 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献5

1韩中合,李秋菊,苑一鸣,周沛,徐搏超.基于相关向量机的短期风速预测模型[J].电力科学与技术学报,2017,32(3):38-42. 被引量：13
2杨薛明,边继飞,朱霄珣,韩中合.基于最大熵混沌时间序列的支持向量机短期风速预测模型研究[J].太阳能学报,2016,37(9):2173-2179. 被引量：16
3高僮,陈波涛,张海峰.基于支持向量机回归的短期风速预测方法的研究[J].科技创新与应用,2016,6(36):40-41. 被引量：1
4邵一川,张吉,贾海波,李鑫,马连博.基于改进的灰色模型和支持向量机的风电功率预测[J].沈阳大学学报（自然科学版）,2017,29(3):217-222. 被引量：5
5方必武,刘涤尘,王波,闫秉科,汪勋婷.基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测[J].电力系统保护与控制,2016,44(8):37-43. 被引量：49

二级参考文献55

1马静波,杨洪耕.自适应卡尔曼滤波在电力系统短期负荷预测中的应用[J].电网技术,2005,29(1):75-79. 被引量：60
2杨秀媛,肖洋,陈树勇.风电场风速和发电功率预测研究[J].中国电机工程学报,2005,25(11):1-5. 被引量：583
3丁明,张立军,吴义纯.基于时间序列分析的风电场风速预测模型[J].电力自动化设备,2005,25(8):32-34. 被引量：184
4张庆宝,程浩忠,刘青山.基于最大熵原理的中长期负荷预测综合模型的研究[J].继电器,2006,34(3):24-27. 被引量：8
5白裔峰,肖建,于龙,黄景春.基于结构风险最小化的加权偏最小二乘法[J].计算机应用,2007,27(4):939-941. 被引量：4
6李云飞,黄彦全,蒋功连.基于支持向量机的短期负荷预测的方法改进[J].西华大学学报（自然科学版）,2007,26(2):31-34. 被引量：10
7冬雷,高爽,廖晓钟,冯成博.风力发电系统发电容量时间序列的混沌属性分析[J].太阳能学报,2007,28(11):1290-1294. 被引量：15
8MALLAT S G.A theory for multi-resolution signal decomposition:the wavelet representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(7):674-693. 被引量：1
9YANG Xinshe.Nature-inspired matheuristic algorithms[M].UK:Lunvier Press,2008. 被引量：1
10LUKASIK S,ZAK S.Firefly algorithm for continuous constrained optimization tasks[C]//ICCCC 2009:97-100. 被引量：1

共引文献79

1常纯,李德胜.基于局部高斯过程的短期风速预测[J].计算机与现代化,2017(1):13-16. 被引量：3
2叶瑞丽,刘建楠,苗峰显,宋洪磊.风电场风电功率预测误差分析及置信区间估计研究[J].陕西电力,2017,45(2):21-25. 被引量：27
3张妍,王东风,韩璞.基于IDE-LSSVM的风电场短期风速预测[J].系统仿真学报,2017,29(7):1561-1571. 被引量：4
4李燕青,袁燕舞,郭通.基于AMD-ICSA-SVM的超短期风电功率组合预测[J].电力系统保护与控制,2017,45(14):113-120. 被引量：23
5杨茂,陈新鑫,张强,李大勇,孙涌,贾云彭.基于支持向量机的短期风速预测研究综述[J].东北电力大学学报,2017,37(4):1-7. 被引量：13
6谈恩民,王存存,张欣然.基于小波变换和CFA-LSSVM模拟电路故障诊断[J].电子测量与仪器学报,2017,31(8):1207-1212. 被引量：10
7赵齐辉,刘升,陈思静.位置更新正弦调整的萤火虫群优化算法[J].上海工程技术大学学报,2017,31(3):219-224. 被引量：1
8王海峰,章怡,蒋益锋.二代小波变换的抗噪Otsu图像分割方法[J].河南师范大学学报（自然科学版）,2017,45(6):100-106. 被引量：3
9叶瑞丽,郭志忠,刘瑞叶,刘建楠.基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测[J].电工技术学报,2017,32(21):34-42. 被引量：103
10殷豪,董朕,陈云龙.基于CEEMD和膜计算优化支持向量机的风速预测[J].电力系统保护与控制,2017,45(21):27-34. 被引量：13

同被引文献26

1付旭东,王金艳,李龙燕,陈金车,苏士翔,常伟,王明.基于随机森林算法的风场预报[J].兰州大学学报（自然科学版）,2021,57(4):503-509. 被引量：6
2许国辉,徐晖.卡尔曼滤波法方差估计的理论研究[J].武汉大学学报（工学版）,2004,37(4):28-31. 被引量：8
3翟宇梅,赵瑞星,肖仁春,王力维.K近邻非参数回归概率预报技术及其应用[J].应用气象学报,2005,16(4):453-460. 被引量：12
4丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,2011,40(1):2-10. 被引量：904
5孙斌,姚海涛,刘婷.基于高斯过程回归的短期风速预测[J].中国电机工程学报,2012,32(29):104-109. 被引量：93
6胡世前,姜倩雯,凌冰,尹伟东.基于改进支持向量机的空气质量监测预警模型[J].江苏大学学报（自然科学版）,2016,37(4):491-496. 被引量：11
7张晓凤,侯艳,李康.基于AUC统计量的随机森林变量重要性评分的研究[J].中国卫生统计,2016,33(3):537-540. 被引量：15
8郭建平.农业气象灾害监测预测技术研究进展[J].应用气象学报,2016,27(5):620-630. 被引量：79
9齐雪雯,徐玉韬.基于指数平滑方法的风速分布预测[J].贵州电力技术,2016,19(11):18-23. 被引量：2
10孙宝磊,孙暠,张朝能,史建武,钟曜谦.基于BP神经网络的大气污染物浓度预测[J].环境科学学报,2017,37(5):1864-1871. 被引量：66

引证文献2

1何坚,王晓芳.基于ARIMA和LS-SVM组合模型的短期风速预测[J].机电工程技术,2023,52(8):30-34. 被引量：3
2陈金车,迪里努尔·牙生,王田宇,李旭,王金艳,谢祥珊,孙彩霞.3种机器学习方法对空气污染预报效果的对比[J].兰州大学学报（自然科学版）,2023,59(5):638-646.

二级引证文献3

1练毅,张智华,吴炜,孙美艳,沈洁惠.基于FPGA的轨道车辆运行环境振动特征识别系统[J].机电工程技术,2024,53(5):77-81.
2熊川羽,廖晓红,何诗英,陈然,王巍,臧楠,王瀛,肖梦涵.使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型[J].强激光与粒子束,2024,36(8):117-123.
3余林,蒋冒闰,鲁林红,朱鸿琳,李翊焜.基于时频分析的机组风速预测[J].中国高新科技,2024(14):84-86.

1卜清军,侯敏,王国松,常春辉,王彩霞.基于集合经验模态分解和深度神经网络模型的天津港风速预测研究[J].天津科技,2021,48(10):77-81. 被引量：1
2赵玲,龚加兴,黄大荣,胡冲.基于Fisher Score与最大信息系数的齿轮箱故障特征选择方法[J].控制与决策,2021,36(9):2234-2240. 被引量：10
3颜庆宇.规模化风电并网功率波动的预测及不确定估计研究[J].黑龙江电力,2021,43(4):312-316. 被引量：1
4王卿玮.新能源发展下电网规划关键技术研究[J].电子乐园,2021(9):460-460.
5无.创新政府负责体制市域社会治理执行力更实[J].长安,2021(9):58-59.
6张艳敏,吴自库.两点边值问题二尺度小波核LS-SVM解法[J].重庆工商大学学报（自然科学版）,2021,38(5):91-96.

机电信息

2021年第26期

浏览历史

内容加载中请稍等...

基于优化支持向量机方法的风电场风速预测研究被引量：2

参考文献5

二级参考文献55

共引文献79

同被引文献26

引证文献2

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

基于优化支持向量机方法的风电场风速预测研究 被引量：2

参考文献5

二级参考文献55

共引文献79

同被引文献26

引证文献2

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

基于优化支持向量机方法的风电场风速预测研究被引量：2