基于支持向量机回归的短期风速预测方法的研究_第1页
基于支持向量机回归的短期风速预测方法的研究_第2页
基于支持向量机回归的短期风速预测方法的研究_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于支持向量机回归的短期风速预测方法的研究SVMSVM模型，通过模标签：风力发电；支持向量机；寻优参数概述[1]。因此，对风收敛速度等方面都有了提高，该方法具有重要的现实意义和应用前景。基于改進的支持向量机回归的方法针对短缺风速预测的特点，提出了一种基于改进的支持向量机回归的方法，具体流程如图1所示。mKmaxNi、连接搜索概率值Psl，将搜索代数的初值kg1M，C、？滓的搜索范围。评价优化空间中的各个网络节点。定义适应度函数FmF定的初始最优值。通常节点的适应度函数值越大，就越接近最优节点。Ni次小世界局部搜索临时局部网络的最优值。确定C、？滓的最优值。比较m个节点各自的最优值，然后比较每一C迭代搜索。判定搜索代数kgKmax度，如果满足条件，则结束寻优操作。不满足条件，返回步骤3操作。将C、？滓的最优节点值赋给SVM模型，从而得到SVM函数。短期风速预测模型的建立模型。模型具体操作步骤如下选取风电场采集的样本数据。文章中，风电场数据的采集是在风电场101速数据进行实时预测，时间间隔为10分钟。因此要对风电机组的性能特性进行分析，文章选用风机采样间隔为10分钟的环境温度、风速和输出功率作为历史数据。N×3的矩阵表示，35900SVM模型的训练集，其中风力发电1所示：PS为风力发电机组的输出功率值，单位为Wkg/m3，v为风力的来流速度，单位为为面积，单位为风能操作系数，指风力发电机组从自然风中吸取能量的大小程度。对样本数据进行预处理。通常风力发电机并不是在所有的时刻都能处于良好的运行状态，因此，要删除一些异常数据（伪数据，一般包括机组故障和测试集的数据进行归一化操作。驱和直接后继时刻的中间值，因此文本采用线性插值法对数据进行处理；2所示：其中，Y代表归一化后的值，Xmax，Xmin分别代表原始输出参数X的最大值和最小值。模型的训练集为750×3矩阵，测试集为150×3矩阵，选择支持向量机回归（SVM）SVMRBFC、？滓参数进行寻优操作。输入样本测试数据，预测未来时刻的风速值。训练模型的输入量为上3所示：值。结束语在选择向量机核函数后，确定SVM模型待寻优参数，最后利用寻优的最佳参数SVM模型，通过模型来预测未来某一时刻的风速值，该方法具有重要的现实意义和应用前景。参考文献.基于支持向量机的短期负荷预测的方法改进[J].西华大学学报（自然科学版，2007，26（2：31-34.杨丽君，

人人文库> 全部分类> 生活休闲 > 安全生产

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论