最小二乘支持向量机在短期风速预测中的应用概况.pdf

《最小二乘支持向量机在短期风速预测中的应用概况.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、研究与开发最小二乘支持向量机在短期风速预测中的应用概况徐蓓蓓章正国郑新龙何旭涛敬强(浙江省电力公司舟山电力局，浙江舟山316000)摘要从最小二乘支持向量机(LS．SVM)的原理出发，从本质上阐明了LS．SVM在短期风速预测中的可行性与优越性。在对LS．SVM在应用中存在的包括数据预处理、核函数构造及选取以及参数优化等问题进行分析后，归纳了现行主要解决方法，从而全面总结了LS．SVM在短期风速预测中的应用概况。最后对基于LS．SVM的短期风速预测所存在的问题进行总结，并提出建议。关键词：最小二乘支持向量机；短期风速预测；数据预处理；核函数；参数优化；组合预测Applicatio

2、nProfilesofLeastSupportVectorMachineinShort—termWindSpeedForecastingXuBeibeiZhangZhengguoZhengXinlongHeXutaoJingQiang(ZhoushanPowerBureau，ZhejiangElectricPowerCorporation，Zhoushan，Zhejiang316000)AbstractBasedontheprincipleofLS—SVM．thefeasibilityandsuperiorityoftheLS—SVMmethodofShorttermwinds

3、peedforecastingareessentiallyclarified．SomeproblemsabouttheapplicationofLS-SVM，includingdatapre-processingtheconstructingandcurrentsolutionsare，providedrespectively．ForaseriesofLS—SVM．basedimprovementsandsomecombinationforecasting’methodsconsistingofLS-SVMwithotheralgorithms，acomprehensivesu

4、mmaryisgiven，fromthe．perspectiveofthemechanismaboutLS-SVMalgorithmbeingappliedtoShOrttermwindspeedforecasting，andtheelevationofpredictionaccuracyandspeed．Finally,somekeyissuesaboutLS·-SVM·basedShorttermwindspeedforecastingaresummarizedandsomerecommendationsaregiven．Keywords：leastsquaressuppo

5、rtvectormachine；Shorttermwindspeedforecasting；datapre—processing；kernelfunction；parameteroptimization；combinationforecasting目前，国内外对于风力发电各种课题的研究越多至今无法解决的问题。支持向量机是一种基于结来越深入，但其中关于风电场风速和功率预测的研构风险最小化原理的预测模型，其泛化能力要好于究还达不到令人满意的程度[]。准确预测风速可以神经网络和自回归模型，近些年来也被一些专家学减少电力系统运行成本，对于电网调度和资源配置者用于风速预测引。有重要意义【

6、3]。短期风速的预测核心是根据预测对1最小二乘支持向量机回归算法的原理象的历史数据选择适当的数学算法，建立相应的模型推导出其发展规律。目前，风速预测的方法主要LS—SVM(LeastSquareSupportVectorMachine)有持续预测法、卡尔曼滤波法(Kalmanfilters)【、被称为最小二乘支持向量机，是在支持向量机的基随机时间序列法(ARMA)[4-51、人工神经网络法础上发展起来的，是支持向量机的一种延伸，是在(ANN)[6-7]、模糊逻辑法(FuzzyLogic)[引、空间二次损失函数下支持向量机的～种形式。最小二乘相关性法等(SpatialCorrel

7、ation)[引。人工神经网络支持向量机只对线性方程进行求解，并且求解速非法曾一度成为预测领域的研究热点，但也存在着许常迅速，在函数估计以及逼近中的应用非常广泛【9】。22I电技琳2o13年第6期研究与开发算法的具体过程见文献[10—12]，最后得到的用速相关的温度、气压也作为输入变量，对LS—SVM于函数回归估计的最小二乘支持向量机为模型进行训练，而文献[12]提出了一种利用灰色关联分析法筛选出与预测日特征相似的风速数据历史／()=∑aiK(x,xi)+b(1)样本作为LS．SvM模型的训