基于提升小波和最小二乘支持向量机的风电功率预测

《基于提升小波和最小二乘支持向量机的风电功率预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、申请上海交通大学工学硕士学位论文基于提升小波和最小二乘支持向量机的风电功率预测学校：上海交通大学院系：电子信息与电气工程学院学科专业：电气工程作者姓名：李霄导师姓名：王昕副教授上海交通大学电子信息与电气工程学院2014年12月AThesisSubmittedtoShanghaiJiaoTongUniversityFortheDegreeofMasterWINDPOWERFORECASTINGBASEDONLWTANDLSSVMMETHODAuthor:XiaoLISpecialty:Electri

2、calEngineeringAdvisor:XinWANGSchoolofElectronicsInformationandElectricEngineeringShanghaiJiaoTongUniversityShanghai,P.R.ChinaDecember,2014上海交通大学工学硕士学位论文摘要基于提升小波和最小二乘支持向量机的风电功率预测摘要随着社会和经济的快速发展，传统的化石燃料等不可再生资源越来越短缺，寻找可替代的清洁能源成了可持续发展的重要前提。其中，风电作为资源丰富的清洁能源

3、，得到了广泛关注，但是风的波动性和强随机性增加了风电开发利用的难度。如果可以准确对风电功率进行预测，则可以有效降低风电资源开发利用的难度，从而在风电并网时大幅度降低经济成本。为了建立有效的风电功率预测模型，本文在风电功率预测过程的不同阶段分别运用提升小波分解(LWT)、支持向量机(SVM)和误差预测(EF)的预测方法。该方法通过LWT分解原始功率数据，可以去除风电原始功率数据中的明显噪声，得到了风电功率部分变化特征，弱化了风电的不确定性；预测过程则采用SVM方法对分解信号进行训练预测，保证了预测精

4、度和速度；为了减少较大误差点的出现，在初步预测之后增加误差预测环节来校正预测结果，可以进一步有效减小预测误差，提高预测结果的稳定性和准确性。将建立的提升小波-支持向量机-误差预测(LWT-SVM-EF)的风电功率预测模型运用于内蒙古某风电场，仿真结果进一步验证了该方法对风电功率预测的适用性。第I页上海交通大学工学硕士学位论文摘要为了进一步优化LWT-SVM-EF的预测方法，采用最小二乘支持向量机(LSSVM)方法对LWT分解得到的信号进行训练和预测，建立了基于提升小波-最小二乘支持向量机-误差预测

5、(LWT-LSSVM-EF)的风电功率预测模型。与传统SVM的二次规划方法不同，LSSVM方法采用最小二乘线性系统作为损失函数，降低了预测误差，优化了预测结果，也简化了计算的复杂性。仿真结果表明，LWT-LSSVM-EF方法的预测结果优于LWT-SVM-EF的预测结果，应用于风电功率预测时可以取得理想的预测效果。最后，基于上述两种有效的预测算法，借助MATLAB的GUI平台开发风电功率预测软件。该软件界面设计合理，操作简单，功能齐全，整合了多种预测方法。关键字：提升小波(LWT)，最小二乘支持向量

6、机(LSSVM)，误差预测(EF)，风电功率预测，预测软件系统第II页上海交通大学工学硕士学位论文ABSTRACTWINDPOWERFORECASTINGBASEDONLWTANDLSSVMMETHODABSTRACTSustainabledevelopmentisadvocatedtoday,sohowtousecleanenergyhasbecomeaprerequisiteforsocialdevelopment.Amongthem,thewindpower,whichhasrichreso

7、urcesasacleanenergy,hasbeenconcernedwidespread.However,thestrongvolatilityandrandomnessofwindhasbroughtgreatdifficultiesinthedevelopment.Ifthewindpowercanbepredictedaccurately,theoperatingcostsofwindpowersystemscanbereduced,inwhichwaywindpowerwillbema

8、deuseofbetterandbetter.Inordertofindaneffectivewaytopredictthewindpower,thispaperwillpresentLiftingWaveletTransform(LWT),SupportVectorMachine(SVM)andErrorForecasting(EF)methodsindifferentstagesofwindpowerforecastingprocess.LWTcannotonlyplayade