电网与清洁能源
電網與清潔能源
전망여청길능원
ADVANCES OF POWER SYSTEM & HYDROELECTRIC ENGINEERING
2013年
11期
85-89
,共5页
风速预测%相似性样本%分段线性化%LSSVM
風速預測%相似性樣本%分段線性化%LSSVM
풍속예측%상사성양본%분단선성화%LSSVM
wind speed prediction%similar samples%piecewise linear%LSSVM
风速具有较大的随机波动性,影响电网的稳定性,良好的风速预测是解决风电并网问题的关键.为了提高风速预测的精确性,首先对风速数据进行相似性样本的提取,采用分段线性化的搜索方法,求出各小段风速的斜率与长度所占的比重,继而找出相似性距离最小的曲线簇.并以此作为训练样本,采用最小二乘支持向量机(LSSVM)模型对风速进行预测.预测结果表明,采用风速的相似曲线簇进行LSSVM模型训练所得的风速和风电功率预测结果更优.
風速具有較大的隨機波動性,影響電網的穩定性,良好的風速預測是解決風電併網問題的關鍵.為瞭提高風速預測的精確性,首先對風速數據進行相似性樣本的提取,採用分段線性化的搜索方法,求齣各小段風速的斜率與長度所佔的比重,繼而找齣相似性距離最小的麯線簇.併以此作為訓練樣本,採用最小二乘支持嚮量機(LSSVM)模型對風速進行預測.預測結果錶明,採用風速的相似麯線簇進行LSSVM模型訓練所得的風速和風電功率預測結果更優.
풍속구유교대적수궤파동성,영향전망적은정성,량호적풍속예측시해결풍전병망문제적관건.위료제고풍속예측적정학성,수선대풍속수거진행상사성양본적제취,채용분단선성화적수색방법,구출각소단풍속적사솔여장도소점적비중,계이조출상사성거리최소적곡선족.병이차작위훈련양본,채용최소이승지지향량궤(LSSVM)모형대풍속진행예측.예측결과표명,채용풍속적상사곡선족진행LSSVM모형훈련소득적풍속화풍전공솔예측결과경우.
