时间序列与神经网络法相结合的短期风速预测 被引量：94

1

作者 蔡凯 谭伦农 +1 位作者 李春林 陶雪峰 《电网技术》 EI CSCD 北大核心 2008年第8期82-85,90,共5页

利用时间序列-神经网络法研究了短期风速预测。该方法用时间序列模型来选择神经网络的输入变量,选用多层反向传播(back propagation,BP)神经网络和广义回归神经网络(generalized regression neural network,GRNN)分别对采样时间间隔为10... 利用时间序列-神经网络法研究了短期风速预测。该方法用时间序列模型来选择神经网络的输入变量,选用多层反向传播(back propagation,BP)神经网络和广义回归神经网络(generalized regression neural network,GRNN)分别对采样时间间隔为10min、20min和30min的风速序列进行预测。结果表明,时间序列结合GRNN的方法精度更高,具有一定的实用价值。 展开更多

关键词 短期风速预测 风力发电 时间序列 人工神经网络

下载PDF 职称材料

基于CFD流场预计算的短期风速预测方法 被引量：65

2

作者 李莉 刘永前 +1 位作者 杨勇平 韩爽 《中国电机工程学报》 EI CSCD 北大核心 2013年第7期27-32,22,共6页

风电功率预测有利于减轻风力发电对电网的冲击、提高电网运行的安全性和经济性,准确预测风速是风电功率预测的关键。提出一种基于计算流体力学(computational fluiddynamics,CFD)流场预计算(CFD pre-calculated flow fields,CPFF)的短... 风电功率预测有利于减轻风力发电对电网的冲击、提高电网运行的安全性和经济性,准确预测风速是风电功率预测的关键。提出一种基于计算流体力学(computational fluiddynamics,CFD)流场预计算(CFD pre-calculated flow fields,CPFF)的短期风速预测方法:首先,对可能出现的风电场来流条件离散化,并利用CFD模型对不同来流条件下的流场进行预计算;其次,提取各来流条件下流场特定位置的风速和风向分布,组成流场特性数据库;最后,以中尺度数值天气预报数据为输入参数,利用数据库插值预测风电机组轮毂高度的风速和风向。以中国北方某风电场为例,采用文中方法进行为期一年的提前24小时风速预测。通过与风机实测风速数据对比,结果表明:各台机组轮毂高度的预测风速年平均绝对误差小于2 m/s,年均方根误差小于2.5m/s,而且误差越小的预测风速出现的概率越大。所提预测方法不但预测精度高、稳定性好,而且由于复杂的流场计算在预测前完成,预测过程简单、耗时少,工程实用性强。 展开更多

关键词 短期风速预测 计算流体力学模型 预计算 流场特性数据库 风电功率预测

下载PDF 职称材料

基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测 被引量：50

3

作者 方必武 刘涤尘 +2 位作者 王波 闫秉科 汪勋婷 《电力系统保护与控制》 EI CSCD 北大核心 2016年第8期37-43,共7页

准确预测风速对风电规模化并网至关重要。为提高短期风速预测精度,提出一种基于小波分解和改进的萤火虫算法优化最小二乘支持向量机超参数的风速预测模型。首先利用小波变换将风速时序分解为近似序列和细节序列,然后对各序列分别利用一... 准确预测风速对风电规模化并网至关重要。为提高短期风速预测精度,提出一种基于小波分解和改进的萤火虫算法优化最小二乘支持向量机超参数的风速预测模型。首先利用小波变换将风速时序分解为近似序列和细节序列,然后对各序列分别利用一种新颖的混沌萤火虫算法优化LSSVM进行预测,最后将各序列预测值叠加得到最终风速预测值。在两种时间尺度的实测数据上进行仿真计算。结果表明,该算法较交叉验证的LSSVM,IPSO-LSSVM,WD-DE-LSSVM及BP神经网络等多种经典算法预测精度更高,表明了该算法的有效性和优越性。 展开更多

关键词 短期风速预测 小波分解与重构 混沌萤火虫算法 最小二乘支持向量机

下载PDF 职称材料

基于遗传优化的最小二乘支持向量机风电场风速短期预测 被引量：45

4

作者 杨洪 古世甫 +1 位作者 崔明东 孙禹 《电力系统保护与控制》 EI CSCD 北大核心 2011年第11期44-48,61,共6页

风电场短期风速的准确预测能为风电并网运行的规划、调度、运行和控制提供及时有效的信息。支持向量机基于结构风险最小化原理,从整体上考虑曲线的平滑度对数据进行拟合,对风速预测时能及时跟踪其变化趋势。针对支持向量参数难以确定问... 风电场短期风速的准确预测能为风电并网运行的规划、调度、运行和控制提供及时有效的信息。支持向量机基于结构风险最小化原理,从整体上考虑曲线的平滑度对数据进行拟合,对风速预测时能及时跟踪其变化趋势。针对支持向量参数难以确定问题,采用遗传算法对最小二乘支持向量机惩罚系数C和核参数σ2寻优,在对参数遗传编码时,通过对数变换编码提高了搜索灵敏度,加快了模型收敛速度。最终利用现场连续150h实测风速样本,对其中最后12h进行预测,结果与广义回归神经网络(GRNN)相比,表明LS-SVM有更好的泛化能力,且取得了相对误差绝对值的平均值为8.32%的良好效果。 展开更多

关键词 遗传算法 支持向量机 参数优化 短期风速预测

下载PDF 职称材料

基于SVM的时间序列短期风速预测 被引量：31

5

作者 鲍永胜 吴振升 《中国电力》 CSCD 北大核心 2011年第9期61-64,共4页

短期风速预测对风力发电系统的并网运行具有重要意义。对风速进行较准确预测,可以有效减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。介绍了支持向量机(SVM)理论的新应用,讨论支持向量机理论用于风速预... 短期风速预测对风力发电系统的并网运行具有重要意义。对风速进行较准确预测,可以有效减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。介绍了支持向量机(SVM)理论的新应用,讨论支持向量机理论用于风速预测的具体过程;建立基于支持向量机风电场短期风速预测模型,此模型仅以历史风速数据为输入,简单、高效,不需要其他额外的气象数据。与改进模糊层次分析法的组合模型、ARMA-ARCH模型、EMD-ARMA模型、双自回归滑动平均模型的预测结果进行比较,证实支持向量机理论的应用是有效的,可以用于风速的短期预测和发电量预测。 展开更多

关键词 短期风速预测 支持向量机(SVM) 风电场

下载PDF 职称材料

基于SVM方法的风电场短期风速预测 被引量：25

6

作者 彭怀午 杨晓峰 刘方锐 《电网与清洁能源》 2009年第7期48-52,共5页

针对基于支持向量机的风电场短期风速预测进行研究,选择了不同的输入向量(历史风速时间序列,历史风速和温度,历史风速、温度和风向,历史风速、温度和时间)作为输入进行误差对比分析。实测数据及分析结果表明,采用历史风度和温度的二输... 针对基于支持向量机的风电场短期风速预测进行研究,选择了不同的输入向量(历史风速时间序列,历史风速和温度,历史风速、温度和风向,历史风速、温度和时间)作为输入进行误差对比分析。实测数据及分析结果表明,采用历史风度和温度的二输入模型,预测效果最佳,为风速的短期预测和发电量预测提供了较好的参考价值。 展开更多

关键词 风电场 短期风速预测 支持向量机(SVM)

下载PDF 职称材料

基于改进GMDH网络的风电场短期风速预测 被引量：19

7

作者 吴栋梁 王扬 +1 位作者 郭创新 杨健 《电力系统保护与控制》 EI CSCD 北大核心 2011年第2期88-93,111,共7页

基于GMDH神经网络和模糊逻辑理论,对风电场风速预测进行了深入研究,提出了一种改进GMDH神经网络方法。该方法在传统网络的基础上将神经元模糊化并引入反馈环,将GMDH网络的低维计算能力和模糊逻辑的高维推理能力结合起来用于预测。在进... 基于GMDH神经网络和模糊逻辑理论,对风电场风速预测进行了深入研究,提出了一种改进GMDH神经网络方法。该方法在传统网络的基础上将神经元模糊化并引入反馈环,将GMDH网络的低维计算能力和模糊逻辑的高维推理能力结合起来用于预测。在进行网络训练时,采用指数型能量函数作为目标误差函数,提高了网络收敛速度。通过与BP神经网络及传统GMDH网络的预测结果相比较,表明该改进方法能够有效地提高短期风速预测的精度。 展开更多

关键词 GMDH网络 模糊逻辑 反馈 短期风速预测

下载PDF 职称材料

基于小波变换和LSTM的短期风速预测研究 被引量：15

8

作者 王耀庆 孙建平 +1 位作者 李冰 曹弘 《计算机仿真》 北大核心 2021年第2期438-443,共6页

可靠准确的短期风速预测有利于电网安全稳定的运行。由于风速具有显著的随机性且受多种因素影响,难以达到令人满意的预测精度。为了提高预测精度,提出了一种新型混合预测模型。在提出的预测模型中,利用小波变换(WT)将原始风速序列分解... 可靠准确的短期风速预测有利于电网安全稳定的运行。由于风速具有显著的随机性且受多种因素影响,难以达到令人满意的预测精度。为了提高预测精度,提出了一种新型混合预测模型。在提出的预测模型中,利用小波变换(WT)将原始风速序列分解为低频和高频子序列,利用长短期记忆(LSTM)网络和自回归滑动平均(ARMA)模型分别预测低频和高频子序列。最后,利用河北省某风电厂收集的风速数据对模型进行了验证,并与7种不同的预测模型进行了性能比较。实验结果表明,所提出的预测模型在预测精度方面优于其它模型,在短期风速预测中具有令人满意的性能。 展开更多

关键词 短期风速预测 小波变换 长短期记忆网络 自回归滑动平均模型

下载PDF 职称材料

双模式分解CNN-LSTM集成的短期风速预测模型 被引量：11

9

作者 毕贵红 赵鑫 +2 位作者 李璐 陈仕龙 陈臣鹏 《太阳能学报》 EI CAS CSCD 北大核心 2023年第3期191-197,共7页

为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解... 为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解方法进行分解,获得2类多尺度分量。不同模式的多尺度分量可降低原始风速的复杂度和非平稳性,实现不同模式模态分量规律的互补;其次,将2种分解方法得到的风速子序列合并为一个矩阵,输入到双通道CNN进行波形特征深度提取;最后,采用LSTM建立历史风速时序的时间依赖关系,在时空相关性分析的基础上得到最终风速预测结果。实验结果表明,基于双模式分解-双通道CNN-LSTM的组合预测模型可有效提高风速短期预测的精度。 展开更多

关键词 风力发电 深度学习 卷积神经网络 长短期记忆网络 奇异谱分解 变分模态分解 风速预测

下载PDF 职称材料

基于小波分解和深度信念网络的短期风速预测 被引量：15

10

作者 司徒友 李刚强 张水平 《广东电力》 2017年第4期25-30,60,共7页

针对浅层学习模型对风速预测存在较大误差的缺陷,提出一种基于小波变换和深度信念网络(wavelet based deep belief netw ork,WDBN)的风速预测模型。首先利用小波变换将原始风速序列分解成不同的频率序列;然后针对各频率序列,根据逐层训... 针对浅层学习模型对风速预测存在较大误差的缺陷,提出一种基于小波变换和深度信念网络(wavelet based deep belief netw ork,WDBN)的风速预测模型。首先利用小波变换将原始风速序列分解成不同的频率序列;然后针对各频率序列,根据逐层训练法则设计深度信念网络模型;最后采用小波反变换对不同频率序列重构,得出最终的风速预测结果。选用某风电场2013年1月和7月的数据对WDBN模型的风速预测进行仿真分析,并与自回归滑动平均法、反向传播神经网络法、Morlet小波神经网络法的预测结果进行对比,结果表明WDBN模型可以更好地学习风速所具有的非线性和非平稳特征,具有较高的预测精度。 展开更多

关键词 短期风速预测 小波变换 深度信念网络 序列重构

下载PDF 职称材料

基于相关向量机的短期风速预测模型 被引量：13

11

作者 李慧杰 刘亚南 +4 位作者 卫志农 李晓露 Kwok W Cheung 孙永辉 孙国强 《电力自动化设备》 EI CSCD 北大核心 2013年第10期28-32,共5页

通过对风速的时间序列进行分析,表明该序列具有混沌特性。在此基础上,利用相空间重构理论建立基于相关向量机(RVM)的短期风速预测模型,并对不同的核函数进行分析,选出最优的核函数。与现有的风速预测模型相比,该模型具有高稀疏性、核函... 通过对风速的时间序列进行分析,表明该序列具有混沌特性。在此基础上,利用相空间重构理论建立基于相关向量机(RVM)的短期风速预测模型,并对不同的核函数进行分析,选出最优的核函数。与现有的风速预测模型相比,该模型具有高稀疏性、核函数选择灵活等优点。仿真结果表明,与BP神经网络和支持向量机(SVM)模型相比,RVM模型预测精度更高。 展开更多

关键词 神经网络 支持向量机 相关向量机 相空间重构 短期风速预测 模型

下载PDF 职称材料

基于PSO-BSNN的短期风速预测 被引量：13

12

作者 吴忠强 贾文静 +1 位作者 吴昌韩 赵立儒 《电力系统保护与控制》 EI CSCD 北大核心 2015年第15期36-41,共6页

考虑到风的随机性和波动性,提出一种基于粒子群(PSO)优化B样条神经网络(BSNN)的短期风速预测方法。利用相空间重构方法确定BSNN的输入空间向量,BSNN可以灵活地改变对输入空间的划分和对隐层基函数的定义,对任意的网络输入,隐层基函数的... 考虑到风的随机性和波动性,提出一种基于粒子群(PSO)优化B样条神经网络(BSNN)的短期风速预测方法。利用相空间重构方法确定BSNN的输入空间向量,BSNN可以灵活地改变对输入空间的划分和对隐层基函数的定义,对任意的网络输入,隐层基函数的输出只有少数非零,使网络输出简单,收敛速度快。但在传统的BSNN中,对输入空间节点位置的均匀划分是粗糙的,预测结果容易陷入局部极小而影响预测精度。粒子群优化算法是一种智能搜索方法,它具有较强的搜索能力并且容易实现,利用PSO优化BSNN输入空间的节点位置划分,可避免BSNN陷入局部极小并提高预测精度。仿真结果表明,基于PSO-BSNN的预测模型比传统的BSNN和BPNN预测模型具有更高的预测精度。 展开更多

关键词 PSO BSNN 相空间重构 短期风速预测 预测模型

下载PDF 职称材料

基于ARMA-ARCH模型的风电场风速预测研究 被引量：10

13

作者 何育 高山 陈昊 《江苏电机工程》 2009年第3期1-4,共4页

风速预测对风电场规划设计和电力系统的运行都具有重要意义。对采样时间为15 min的风速时间序列建立自回归移动平均(ARMA)模型,利用拉格朗日乘数法检验ARMA模型残差的自回归条件异方差(ARCH)效应,建立ARMA-ARCH模型。分别使用ARMA模型和... 风速预测对风电场规划设计和电力系统的运行都具有重要意义。对采样时间为15 min的风速时间序列建立自回归移动平均(ARMA)模型,利用拉格朗日乘数法检验ARMA模型残差的自回归条件异方差(ARCH)效应,建立ARMA-ARCH模型。分别使用ARMA模型和ARMA-ARCH模型对风速时间序列进行短期预测,并比较两者精度。结果表明,ARMA-ARCH模型具有更高的预测精度,具有一定的实用价值。 展开更多

关键词 短期风速预测 ARMA模型 ARCH效应 波动集聚

下载PDF 职称材料

基于小波变换的ARMA-LSSVM短期风速预测 被引量：12

14

作者 赵辉 李斌 +1 位作者 李彪 岳有军 《中国电力》 CSCD 北大核心 2012年第4期78-81,共4页

对风电场风速的准确预测,可以有效减轻并网后风电对电网的影响,提高风电市场竞争力。提出将时间序列自回归滑动平均模型(Auto Regressive Moving Average,ARMA)与最小二乘支持向量机模型(Least Square Support Vector Machine,LS-SVM)... 对风电场风速的准确预测,可以有效减轻并网后风电对电网的影响,提高风电市场竞争力。提出将时间序列自回归滑动平均模型(Auto Regressive Moving Average,ARMA)与最小二乘支持向量机模型(Least Square Support Vector Machine,LS-SVM)相结合的混合模型短期风速预测方法。采用小波变换(Wavelet Transform,WT)方法将历史风速序列分解成具有不同频率特征的序列。根据分解后各分量的特点,对于低频趋势分量选取LS-SVM方法进行预测,而高频波动分量则选取ARMA模型进行预测,采用小波重构得到最终预测结果。仿真实例表明,不同的预测方法整体的预测精度不同,而混合模型预测的均方根误差最低为11.5%,与单一预测方法相比,混合模型提高了预测精度。 展开更多

关键词 短期风速预测 小波变换 时间序列 最小二乘支持向量机

下载PDF 职称材料

CEEMD-WT和CNN在短期风速预测中的应用研究 被引量：12

15

作者 颜宏文 卢格宇 《计算机工程与应用》 CSCD 北大核心 2018年第9期224-230,共7页

由于风速存在随机性和不稳定性,为了提高短期风速预测的精度,提出了一种基于完备总体经验模态分解(CEEMD)、小波变换(WT)和卷积神经网络(CNN)的短期风速预测混合模型。首先,CEEMD算法把原始风速序列分解成一些相对平稳的固有模态函数和... 由于风速存在随机性和不稳定性,为了提高短期风速预测的精度,提出了一种基于完备总体经验模态分解(CEEMD)、小波变换(WT)和卷积神经网络(CNN)的短期风速预测混合模型。首先,CEEMD算法把原始风速序列分解成一些相对平稳的固有模态函数和一个残差序列;然后,WT算法对每个固有模态函数进行二次去噪,进一步消除噪声对固有模态函数的影响;最后,卷积神经网络对每个固有模态函数、残差序列和影响风速的5个属性训练预测得到各自的预测结果,对所有的预测结果重构得到最终的预测结果。通过实验与其他4个风速预测模型进行比较,所提出的模型预测的绝对平均百分比误差(MAPE)最小,为2.484%,表明在短期风速预测方面CEEMD-WT-CNN模型有较好的性能。 展开更多

关键词 完备总体经验模态分解 小波变换 卷积神经网络 短期风速预测 固有模态分量 二次去噪

下载PDF 职称材料

风电场短期风速的集成学习预测模型 被引量：11

16

作者 胡倩 陈红坤 孙志达 《电力系统及其自动化学报》 CSCD 北大核心 2016年第1期1-4,共4页

准确的风电场风速预测对含大规模风电的电力系统安全稳定运行具有重要意义。针对时间序列法、卡尔曼滤波法、神经网络法等单一预测模型预测精度不高的问题,引入集成学习的分析方法,提出了一种基于Ada-boost算法改进的支持向量机(SVM)短... 准确的风电场风速预测对含大规模风电的电力系统安全稳定运行具有重要意义。针对时间序列法、卡尔曼滤波法、神经网络法等单一预测模型预测精度不高的问题,引入集成学习的分析方法,提出了一种基于Ada-boost算法改进的支持向量机(SVM)短期风速预测方法。该算法使用多个SVM模型通过加权累加得到最终输出,弥补了单一预测模型的缺陷。同时引入隶属度函数,通过赋予历史数据样本不同的权重来突出不同时间样本在预测模型中的差异性。以内蒙古风电场的实际采集数据为算例进行测试,结果表明模型预测精度显著提高,为实现更准确的在线短期风速预测提供了可能。 展开更多

关键词 短期风速预测 集成学习 动态权重 隶属度函数 支持向量机

下载PDF 职称材料

基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法 被引量：11

17

作者 鲁迪 王星华 贺小平 《电力系统保护与控制》 EI CSCD 北大核心 2019年第5期115-122,共8页

为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个... 为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个子模式进行特征提取,接着利用多分位鲁棒极限学习机分别建立预测模型并利用混合粒子群算法进行参数优化,最后对每个子模式的预测值进行聚合计算得到最终的预测结果。仿真结果表明:在考虑使用混合粒子群算法进行特征提取和模型参数优化后,所提方法具有更高的预测精度。同时基于时变滤波法的经验模态分解技术能够进一步提高预测准确性。 展开更多

关键词 短期风速预测 多分位鲁棒极限学习机 混合粒子群算法 时变滤波经验模态分解

下载PDF 职称材料

基于相空间重构小波神经网络的短期风速预测 被引量：10

18

作者 秦剑 王建平 张崇巍 《电子测量与仪器学报》 CSCD 2012年第3期236-241,共6页

风速具有高度非线性和非平稳性,难以精确预测。对此,利用神经网络逼近非线性函数的能力,结合小波变换多尺度特性,使风速在一定频域尺度上表现出准平稳性,建立了风速的小波神经网络预测模型。为了解决神经网络输入的随意性,以相空间重构... 风速具有高度非线性和非平稳性,难以精确预测。对此,利用神经网络逼近非线性函数的能力,结合小波变换多尺度特性,使风速在一定频域尺度上表现出准平稳性,建立了风速的小波神经网络预测模型。为了解决神经网络输入的随意性,以相空间重构理论确定最佳延迟时间和最小嵌入维数,重构风速时间序列,以重构后的时间序列作为模型的输入量对网络进行训练。仿真结果表明,所提基于相空间重构小波神经网络风速预测的准确性能得到了提高。 展开更多

关键词 相空间重构 小波神经网络 短期风速预测

下载PDF 职称材料

基于高斯过程回归和粒子滤波的短期风速预测 被引量：10

19

作者 梁智 孙国强 +3 位作者 俞娜燕 倪晓宇 沈海平 卫志农 《太阳能学报》 EI CAS CSCD 北大核心 2020年第3期45-51,共7页

建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行... 建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行分析,并根据"3σ"原则判断异常值。其次,修正异常值,并对修正后的风速序列重新建立高斯过程回归预测模型。在进行提前15分钟风速预测时,同样采用粒子滤波算法对最新量测值进行状态估计,实现了异常值在线检测并修正。算例分析结果表明,粒子滤波算法能够有效检测出异常风速值,降低了风速预测误差,提前15分钟风速预测时平均绝对百分比误差和均方根误差分别降至8.92%和0.5826 m/s。 展开更多

关键词 高斯过程回归 粒子滤波 异常值检测与修正 短期风速预测

下载PDF 职称材料

短期风速的Adaboost＿GRNN组合预测模型 被引量：9

20

作者 芦婧 曾明 《电力系统及其自动化学报》 CSCD 北大核心 2019年第4期70-76,共7页

对风电场风速进行准确预测对于风能的开发利用具有重要意义。为了克服单一预测方法的局限性并进一步提高预测精度,提出了基于Adaboost算法和广义回归神经网络的短期风速组合预测方法。首先,分别采用时间序列法、支持向量机法和神经网络... 对风电场风速进行准确预测对于风能的开发利用具有重要意义。为了克服单一预测方法的局限性并进一步提高预测精度,提出了基于Adaboost算法和广义回归神经网络的短期风速组合预测方法。首先,分别采用时间序列法、支持向量机法和神经网络法建立3种风速预测模型;其次,采用广义回归神经网络将这3种单一模型的预测值进行非线性组合;最后,利用Adaboost算法集成多个广义回归神经网络的输出并将其作为高精度的风速预测值。算例测试结果表明,所提组合方法的预测精度高于各个单一模型以及熵权法组合模型和广义回归神经网络组合模型的预测精度。 展开更多

关键词 风电场 短期风速预测 ADABOOST算法 广义回归神经网络 组合预测模型

下载PDF 职称材料