基于最小二乘支持向量机的超短期风功率组合预测模型研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

随着我国的风电装机总容量的逐渐提高，风力发电场的输出功率具有波动性、随机性及不稳定性等特点，风电大规模上网会严重影响电力系统的安全稳定运行、电能质量、调度计划。实践证明，精确的风功率预测有利于电力系统调度部门制定风电并网计划，保证电能质量，提高电网运行安全可靠性、经济性与市场竞争力。论文针对风力发电输出功率的特点与风电并网的要求，围绕如何提高超短期风功率最小二乘向量机的模型预测问题及求解方法进行了如下研究：
　　首先，采用引力搜索算法（Gravitational Search Algorithm，GSA），针对算法中可能存在的陷入局部最优化、收敛速度慢以及控制参数依赖性强等问题，提出了一种改进型引力搜索算法，即通过引入混沌序列初始种群、全局记忆性的速度权重系数和高斯扰动来实现算法的性能优化。通过算例分析证明了改进型 GSA的全局搜索性能与收敛速度更优越。
　　然后，详细阐述了最小二乘支持向量机模型（Least Squares Support Vector Machines，LSSVM）的数学理论，在此基础上提出了一种基于指数径向基核函数的最小二乘支持向量机风功率预测模型。由于该模型的核参数与惩罚因子的选择会影响其预测精度与泛化能力，为此采用改进型引力搜索算法来优化这些参数，削弱这些影响；此外，为了分析指数径向基核构建的 LSSVM模型的性能，将之与七种常见核函数 LSSVM预测模型进行了算例比较。超短期风功率仿真结果表明：采用基于指数径向基函数（Exponential Radial Basis Function，ERBF）核函数的最小二乘支持向量机预测模型相对其他核函数的预测准确性有较大地提高。采用改进型引力搜索算法（Ameliorated Gravitational Search Algorithm，AGSA）算法优化得到的最优学习参数可使得 LSSVM模型具有更好的预测能力与泛化性能。
　　最后，提出了一种聚类经验模态分解法（Ensemble Empirical Mode Decomposition，EEMD）、相空间重构法（Phase Space Reconstruction，PSR）与AGSA-LSSVM相结合的组合预测模型。该组合预测模型利用 EEMD分解风功率信号，再对分解后子序列进行相空间重构，接着对各子序列建立 AGSA-LSSVM预测模型，最后叠加求和得到最终的预测值。仿真结果表明：该组合模型正确、有效地降低风功率时间序列的非平稳性能，预测精度得到了进一步提高，与其他模型相比较预测性能更优异。

著录项

作者
杨旭琼;
展开▼
作者单位

湖南大学;

展开▼
授予单位湖南大学;
学科电气工程
授予学位硕士
导师姓名江岳春;
年度 2017
页码
总页数
原文格式 PDF
正文语种中文
中图分类电力系统规划;
关键词
风电并网; 风功率超短期预测; 引力搜索算法; 聚合经验模态分解; 最小二乘向量机;

相似文献

中文文献
外文文献
专利

1. 基于EEMD-HS-SVM的短期风功率组合预测模型 [J] . 姬广龙 ,袁越 ,黄俊辉 . 可再生能源 . 2017,第008期
2. 基于改进EEMD-SE-ARMA的超短期风功率组合预测模型 [J] . 田波 ,朴在林 ,郭丹 . 电力系统保护与控制 . 2017,第004期
3. 一种基于时变概率权的短期风功率组合预测模型 [J] . 杨苹 ,叶超 . 广东电力 . 2016,第010期
4. 基于最小二乘支持向量机的风功率短期预测 [J] . 刘代刚 ,周峥 ,杨楠 . 陕西电力 . 2014,第010期
5. 基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型 [J] . 王贺 ,胡志坚 ,仉梦林 . 电工技术学报 . 2014,第012期
6. 基于粒子群最小二乘支持向量机的风电场短期功率预测 [C] . 杨晓雷 ,郭磊 ,张涛 . 第十届电力工业企业节能减排学术研讨会 . 2015
7. 基于EWT分解和DE--GWO超参数优化的短期风速组合预测模型研究 [A] . 许一帆 . 2020

基于最小二乘支持向量机的超短期风功率组合预测模型研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅