电测与仪表
電測與儀錶
전측여의표
ELECTRICAL MEASUREMENT & INSTRUMENTATION
2014年
8期
38-41,46
,共5页
风力发电%支持向量机%遗传算法%参数优化%功率预测
風力髮電%支持嚮量機%遺傳算法%參數優化%功率預測
풍력발전%지지향량궤%유전산법%삼수우화%공솔예측
wind power generation%support vector machine%niche genetic algorithm%parameter optimization%wind power prediction
为了减少并网后风能随机性,波动性等问题对电力系统安全稳定运行的不利影响,提高风电功率预测精度,本文采用基于结构风险最小化的支持向量机进行建模.针对支持向量机参数难确定的问题,利用小生境遗传算法对支持向量机惩罚参数C和核函数δ进行寻优,并对算法中小生境半径L值难确定的问题,引入自适应的思想,使L并不取某个固定值,而是随着最优个体的变化而变化.最后利用现场连续668h实测风能功率输出值,对其中最后24h进行预测,实验结果表明,该方法与改进前相比,参数更优,预测精度更高,且取得了eMSE为9.5％的良好结果,可以为风能功率预测提供参考.
為瞭減少併網後風能隨機性,波動性等問題對電力繫統安全穩定運行的不利影響,提高風電功率預測精度,本文採用基于結構風險最小化的支持嚮量機進行建模.針對支持嚮量機參數難確定的問題,利用小生境遺傳算法對支持嚮量機懲罰參數C和覈函數δ進行尋優,併對算法中小生境半徑L值難確定的問題,引入自適應的思想,使L併不取某箇固定值,而是隨著最優箇體的變化而變化.最後利用現場連續668h實測風能功率輸齣值,對其中最後24h進行預測,實驗結果錶明,該方法與改進前相比,參數更優,預測精度更高,且取得瞭eMSE為9.5％的良好結果,可以為風能功率預測提供參攷.
위료감소병망후풍능수궤성,파동성등문제대전력계통안전은정운행적불리영향,제고풍전공솔예측정도,본문채용기우결구풍험최소화적지지향량궤진행건모.침대지지향량궤삼수난학정적문제,이용소생경유전산법대지지향량궤징벌삼수C화핵함수δ진행심우,병대산법중소생경반경L치난학정적문제,인입자괄응적사상,사L병불취모개고정치,이시수착최우개체적변화이변화.최후이용현장련속668h실측풍능공솔수출치,대기중최후24h진행예측,실험결과표명,해방법여개진전상비,삼수경우,예측정도경고,차취득료eMSE위9.5％적량호결과,가이위풍능공솔예측제공삼고.
