双加权最小二乘支持向量机的短期风速预测.pdf

《双加权最小二乘支持向量机的短期风速预测.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、第26卷第1期电力系统及其自动化学报Vo1．26No．12014年1月ProceedingsoftheCSU-EPSAJan．2014双加权最小二乘支持向量机的短期风速预测潘学萍，史宇伟，张弛(河海大学能源与电气学院，南京210098)摘要：提出了双加权最小二乘支持向量机的短期风速预测方法。考虑到离预测点越远的历史风速数据对预测值的影响越弱，对训练样本中输入向量数据进行第1次加权，以体现不同元素对预测影响的差异。同时为区分训练样本的差异性，降低异常样本的干扰，对训练样本进行第2次加权。对双加权后的训练样本，采用加权最小二乘支持向量机模型进行预测，降低了对异常点的敏感度，实现了对

2、不同样本的区别对待。根据某实测风速数据进行了风速预测，结果表明，所提方法能提高风速预测精度。关键词：风速预测；双加权方法；加权最小二乘支持向量机；短期预测中图分类号：TK81文献标志码：A文章编号：1003—8930(2014)O1～0013—05Short-termWindSpeedForecastBasedonDoubleWeightedLeastSquaresSupportVectorMachineAlgorithmPANXue-ping，SHIYu—wei，ZHANGChi(CollegeofEnergyandElectricalEngineering，HohaiUni

3、versity，Nanjing210098，China)Abstract：Doubleweightedleastsquaressupportvectormachinealgorithmforshort——termwindspeedforecastispro—_posedinthispaper．Thetrainingdataareweightedfirstlytoreflecttheeffectsofdifferentdataonthepredictingvalue．Thetrainingsamplesareweightedagaintodistinguishthediffere

4、nceoftrainingsamples，whichcanreducetheinflu—enceofabnormalsample．Withthedoubleweightedtrainingsample，theweightedleastsquaressupportvectormachine(LS—SVM)algorithmisusedtopredictthehourlywindspeed．Theproposedmethodimprovesthesparsecharacteristic0fLS—SVMandreducesthesensitivityofabnormalpoints．

5、Thepredictionresultsshowthattheproposedmethodcanimprovethepredictionaccuracy．Keywords：windspeedforecast；doubleweightedmethod；weightedleastsquaressupportvectormachine；short—tern3forecast风电作为当前发展最快的可再生能源发电形序列法[61、人工神经网络法同、支持向量机(SVM)法阎式，得到了世界各国的广泛重视_l_。对风电场风速等。空间相关法需要考虑风电场以及与之相近的或风电功率的准确预测，可以减少

6、电力系统的运几个地点的风速时间序列，对历史数据要求很高；行成本和旋转备用，提高风电穿透功率极限，增强时间序列法基于历史数据建模，通过模型识别、参风电场在电力市场中的竞争能力[21。由于风速的随数估计和模型检验等过程得到预测模型，适用于机性和间歇性，准确预测风速难度较大[31。短期风速预测，但这种方法在气候变化较大时，预目前已有的风速预测方法可分为基于物理模测精度不理想；人工神经网络具有自学习、自组织型的方法和基于历史数据的预测方法两大类。物和自适应性，可以逼近任意复杂的非线性映射，但理模型法采用天气预报数据进行预测，由于气象存在着隐层神经元个数难以确定、算法收敛速度预报数据更新

7、频率低，适用于中期风速预测；基慢以及容易陷入局部最小等问题。于历史数据的预测方法主要有空间相关法[51、时间SVM方法通过非线性核函数，将输入样本空收稿日期：2013—08—26；修回13期：2013—09—30基金项目：国家自然科学基金项目(51207045)·14·电力系统及其自动化学报第26卷间映射到高维线性特征空间，能够处理高度非线L(to，6，，口)=1ⅢT+c毒2一性映射问题，在预测中得到了广泛应用I9I10]。最dx-<-乘支持向量机(LS—SVM)方法作为传统SVM方法的扩展