电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2013年
7期
34-38
,共5页
风电%预测%云模型%云变换%支持向量机
風電%預測%雲模型%雲變換%支持嚮量機
풍전%예측%운모형%운변환%지지향량궤
wind power%forecasting%cloud model%cloud transformation%support vector machines
将云模型和支持向量机(SVM)相结合,提出一种适合短期风电功率预测的云支持向量机模型.该模型采用云变换方法提取风速序列的定性特征,并通过SVM建立风速特征与风电功率间的关系.对未来24h的风电功率预测结果显示,该模型在某个点上的预测值是一个有稳定倾向的离散值集合.采用逆向云算法求取集合的期望值作为确定性预测结果,并与SVM和自回归求和移动平均(ARIMA)模型的预测结果相比较,结果表明云支持向量机具有更高的预测精度,预测效果显著,因此,该模型可有效应用于短期风电功率预测.
將雲模型和支持嚮量機(SVM)相結閤,提齣一種適閤短期風電功率預測的雲支持嚮量機模型.該模型採用雲變換方法提取風速序列的定性特徵,併通過SVM建立風速特徵與風電功率間的關繫.對未來24h的風電功率預測結果顯示,該模型在某箇點上的預測值是一箇有穩定傾嚮的離散值集閤.採用逆嚮雲算法求取集閤的期望值作為確定性預測結果,併與SVM和自迴歸求和移動平均(ARIMA)模型的預測結果相比較,結果錶明雲支持嚮量機具有更高的預測精度,預測效果顯著,因此,該模型可有效應用于短期風電功率預測.
장운모형화지지향량궤(SVM)상결합,제출일충괄합단기풍전공솔예측적운지지향량궤모형.해모형채용운변환방법제취풍속서렬적정성특정,병통과SVM건립풍속특정여풍전공솔간적관계.대미래24h적풍전공솔예측결과현시,해모형재모개점상적예측치시일개유은정경향적리산치집합.채용역향운산법구취집합적기망치작위학정성예측결과,병여SVM화자회귀구화이동평균(ARIMA)모형적예측결과상비교,결과표명운지지향량궤구유경고적예측정도,예측효과현저,인차,해모형가유효응용우단기풍전공솔예측.
