电力系统自动化
電力繫統自動化
전력계통자동화
AUTOMATION OF ELECTRIC POWER SYSTEMS
2013年
10期
29-34
,共6页
严欢%卢继平%覃俏云%张宜阳
嚴歡%盧繼平%覃俏雲%張宜暘
엄환%로계평%담초운%장의양
风电功率%非线性组合%组合预测%多属性决策%支持向量机%采样间隔
風電功率%非線性組閤%組閤預測%多屬性決策%支持嚮量機%採樣間隔
풍전공솔%비선성조합%조합예측%다속성결책%지지향량궤%채양간격
针对单一预测模型误差波动较大和线性组合预测的局限性,提出了基于多属性决策和支持向量机(SVM)的风电功率非线性组合预测模型.首先基于多属性决策理论,在检验其预测有效的情况下选择3种最优模型作为单项预测模型,并分别建模预测得到3种不同的预测结果;然后将各单项的预测结果作为训练输入,将相应的实际值作为训练输出,建立SVM组合预测模型.为检验该模型预测的有效性,用2组不同的历史数据进行验证,结果表明:该组合模型综合了各单项模型的优点,其均方根误差和平均百分比误差均小于各单项模型及其他组合模型,有效地提高了预测精度.最后还研究了采样间隔对预测结果的影响,结论表明:当采样间隔为5~15 min时,预测精度较高.
針對單一預測模型誤差波動較大和線性組閤預測的跼限性,提齣瞭基于多屬性決策和支持嚮量機(SVM)的風電功率非線性組閤預測模型.首先基于多屬性決策理論,在檢驗其預測有效的情況下選擇3種最優模型作為單項預測模型,併分彆建模預測得到3種不同的預測結果;然後將各單項的預測結果作為訓練輸入,將相應的實際值作為訓練輸齣,建立SVM組閤預測模型.為檢驗該模型預測的有效性,用2組不同的歷史數據進行驗證,結果錶明:該組閤模型綜閤瞭各單項模型的優點,其均方根誤差和平均百分比誤差均小于各單項模型及其他組閤模型,有效地提高瞭預測精度.最後還研究瞭採樣間隔對預測結果的影響,結論錶明:噹採樣間隔為5~15 min時,預測精度較高.
침대단일예측모형오차파동교대화선성조합예측적국한성,제출료기우다속성결책화지지향량궤(SVM)적풍전공솔비선성조합예측모형.수선기우다속성결책이론,재검험기예측유효적정황하선택3충최우모형작위단항예측모형,병분별건모예측득도3충불동적예측결과;연후장각단항적예측결과작위훈련수입,장상응적실제치작위훈련수출,건립SVM조합예측모형.위검험해모형예측적유효성,용2조불동적역사수거진행험증,결과표명:해조합모형종합료각단항모형적우점,기균방근오차화평균백분비오차균소우각단항모형급기타조합모형,유효지제고료예측정도.최후환연구료채양간격대예측결과적영향,결론표명:당채양간격위5~15 min시,예측정도교고.