基于相空间重构及自适应支持向量机的短期风速预测-论文.pdf

基于相空间重构及自适应支持向量机的短期风速预测-论文.pdf

ID:53763120

大小:308.01 KB

页数:4页

时间:2020-04-24

基于相空间重构及自适应支持向量机的短期风速预测-论文.pdf_第1页
基于相空间重构及自适应支持向量机的短期风速预测-论文.pdf_第2页
基于相空间重构及自适应支持向量机的短期风速预测-论文.pdf_第3页
基于相空间重构及自适应支持向量机的短期风速预测-论文.pdf_第4页
资源描述:

《基于相空间重构及自适应支持向量机的短期风速预测-论文.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、《白成;院籁12014年第1期工程科技基于相空问重构及自适应支持向量机的短期风速预测杨洪深(铜陵学院.安徽铜陵244000)摘要:风速具有较强的随机性和间歇性,导致大规模风电接入电网会严重影响电力系统的安全稳定运行以及电能质量较为准确的风速预测可以降低风能对电网的不利影响.为电网运行调度提供可靠的依据。在对风速进行混沌属性分析及相空间重构的基础上,采用自适应支持向量机.进行短期风速预测,结果表明该方法的预测精度高于BP、RBF等预测模型。关键词:风速预测:自适应支持向量机;混沌时间序列:相空间重构中图分类号:1]P3

2、91.9文献标识码:A文章编号:1672—0547(2014)01—0106—04风速的随机性对风电场输出功率具有显著影响,混沌时间序列的预测可以理解为动力系统研究中的“反通过风速预测,可在一定程度上降低风能的间歇性对问题”,即给定相空间的一串迭代序列,如何构造一个非电网的不利影响I1I。风速常见的预测方法主要包括时间线性映射来表达这一动力系统。其理论基础是rakens的序列法t21、神经网络法131、支持向量机法I41、卡尔曼滤波法嵌入定理和相空间重构理论jgqil。等。在众多预测模型中,支持向量机(Suppo~V

3、ector风速可以看成是空气动力学混沌系统的一个分量,Machine,SVM)与神经网络不同,是一种建立在结构风险其变化过程是气压、温度、湿度等多因素影响的结果,通最/J、化原则基础上的预测模型,具有更优越的推广能力,过对混沌吸引子的恢复可以找到风速时间序列的内在变通常被应用于分类及回归等模式识别领域。化规律,从而实现对风速的短期预测。SVM用于风速预测的难点在于模型参数的确定及l-2相空间重构输入向量的选择。文献嗍指出了风速的变化是空气动力Takens指出了相空间重构的思想:设d是动力系统学演化的结果,空气动力学系

4、统属于混沌系统,因此风的维数,如果延迟坐标的维数22d+I,则在这个嵌入速时间序列具有混沌特性,并采用加权零阶局域法预维空间里可以把有规律的轨迹恢复出来。对于时间序列测风速,取得了较好的预测效果。实际上,SVM和混沌:,⋯,XN--I,,将其嵌入到m维欧式空间中,则得到理论中的相空间重构都把输入空间的向量扩展到高维相空间重构的相点:空间,挖掘系统隐含的规律。因此,相空间重构如果能y(")=【x(n一(,~1)).⋯x(n—r),x(,?)】(1)够利用SVM理论,自动地通过非线性变换把输入空间其中,m为嵌入维数,z.

5、为延迟时间,,,∈『(『7卜1)r,No的时间序列映射到高维空间,并在这个空间实现数据相空间重构的关键是如何确定延迟时间f和嵌入维数的线性可分,提取其系统内部隐含的信息,可以更好地m。若m选择得太小,会导致混沌吸引子会发生折叠甚至实现混沌时间序列的预测。据此,文章在风速时间序列自相交;如果m选择得太大,又会在其它维数上引入噪相空间重构的基础上采用自适应支持向量机l7l,对声,增加了计算量。若z-太小,重构后的吸引子相邻点的SVM模型参数进行自适应调整,从而获得较高的预测相关性太强,容易被噪声干扰:若r太大,本来较近的

6、矢精度。量也会被拉远,从而导致系统性态不确定。1.风速序列混沌属性分析及相空间重构1.3延迟时间的计算1.1风速序列混沌属性分析延时时间丁的选择方法主要有自相关法、平均位移混沌系统产生的轨迹经过一段时间的变化之后,最法、去偏复自相关法、互信息法等l。自相关函数法是~终会在高维空间呈现出具有一定规律的运动轨迹,称为种通过提取时间序列间的线,l生相关性来计算延迟的简单混沌吸引子。高维度空间的混沌吸引子经过拉伸、折叠后方法。设时间序列数目为N,则序列的时间跨度为时的自成为低维空间中的混沌时间序列,并表现出混乱复杂的相关函数

7、为:特性。通常的预测方法仅针对这种复杂、无序的时间序列㈩=毒巾)川(2)展开,难以揭示出其内在演化规律,预测精度受到限制。收稿日期:2014—01—13作者简介:杨洪深(1968一),男,安徽全椒人,铜陵学院电气工程学院讲师,硕士。研究方向:智能电网与信息安伞基金项目:安徽高校省级自然科学研究项目(KJ2012Z412)。《/2I刃陵;院颓)2014年第1期画出自相关函数曲线并确定延时时间f。通常有两数,但计算量大、速度慢。文章采用参数自适应调整法种方法:(1)自相关函数下降到初始值的1—1倍时,对应确定SVM模型参

8、数。该方法根据模型训练过程中的误差的时间就是延时时间:(2)自相关函数过0点时对应的变化情况,自动地调整支持向量机的参数,以获得较好的时间就是延时时间。这两种观点得到的延迟时间是不回归估计函数。同的,实际应用中需要与其他方法综合考虑来确定。设惩罚因子和宽度系数的调整步长为AC和Act,利用互信息法可以估计时间延迟。一个时间序列的且不敏感系数8取

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。