首页> 中文学位 >基于支持向量回归机及Trust-Tech的短期太阳能辐射量预测方法
【6h】

基于支持向量回归机及Trust-Tech的短期太阳能辐射量预测方法

代理获取

目录

声明

第一章 绪论

1.1课题背景与研究意义

1.2短期太阳能发电预测研究现状

1.3本文研究内容及主要贡献

第二章 支持向量机及相关理论

2.1统计学习理论简介

2.2支持向量机

2.3核函数

2.4本章小结

第三章 短期太阳能预测相关问题简介

3.1太阳能预测中常用特征

3.2太阳能预测与常用特征之间的先验知识

3.3本文所使用竞赛数据集

3.4本章小结

第四章 基于支持向量回归机的预测器设计及其在短期太阳能预测中的应用

4.1遗传算法简介

4.2 Trust-Tech优化技术简介

4.3基于Trust-Tech优化技术的分群遗传算法

4.4预测器的设计

4.5算例分析

4.6组合核函数在支持向量回归机中的应用

4.7算例分析二

4.8本章小结

第五章 总结与展望

5.1全文主要工作

5.2未来工作展望

参考文献

发表论文和参加科研情况说明

致谢

展开▼

摘要

包括太阳能和风能在内的可再生能源的并网容量越来越大。可再生能源区别于传统能源的最大特点在于其发电能力受自然条件的影响,具有天生的不确定性与间歇性,给电力系统的运行方式、调度方式带来了很大的挑战。因此,对于高精度的可再生能源比如说太阳能的高精度预测成为了一个热门的领域并且吸引了众多学者的关注。
  本研究提出了一个基于Trust-Tech的分群遗传算法的支持向量回归机预测模型。该模型中有几个显著的特点:数据驱动型的特征选择算法被用来选择与预测相关的特征,并且可以提升预测精度。除了预测精度的提升之外,该特征选择算法还能通过去除不相关特征以及冗余特征来降低输入数据特征维度,从而达到加速支持向量机模型训练速度的特点;为了提高预测的精度,我们还提出了Trust-Tech分群遗传算法。该算法不仅能提高预测精度,嵌入的分群算法同样能加速遗传算法的收敛速度,同时还可以得到多组具有相似特性的解。第三,将上述步骤中得到的具有高精度的多组解可以通过组合的方法来得到最终具有最强泛化能力的支持向量机模型。提出了一种新的思想,就是将组合核函数支持向量回归机应用于太阳能发电预测中。组合核方法是根据不同输入特征来设计的多个核的线性或者非线性组合,该方法可以将统计学习方法与专家先验知识通过核函数的方式结合起来,从而提升预测精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号