论文部分内容阅读
众所周知，风能是一种环保、经济的可再生能源，但由于风能有随机性和间歇性等特点，风电的大规模并网受到了限制。对风电场风速进行准确的预测，能及时有效地调整调度计划。本文分析荷兰风电场风速特性，并将支持向量机应用到短期风速预测中。首先，因为原始风速数据的随机性和波动性强，直接对风速序列进行预测难以保证预测精度。所以这里需要对原始数据进行预处理，本文采用小波包分解，对风速数据进行四层分解，得到不同频段的子序列。由于单独的SVM在风速预测中存在陷入局部最优和泛化能力差等问题，因此本文利用纵横交叉算法优化支持向量机，对支持向量机的若干重要参数进行优化，从而提高预测模型的泛化能力和收敛能力。 本文提出一种基于小波包分解和纵横交叉算法优化支持向量机的短期风速预测模型。首先对风速原始数据进行小波包分解，得到不同频段的子序列，再用纵横交叉算法优化过的支持向量机分别对不同子序列进行预测，将预测得到的结果进行叠加，得到最终的预测结果。 本文实验在Matl ab软件平台下进行，实验利用荷兰风电场实测风速数据，用2014年1月和10月两个月的数据分别进行预测，本文会设置多组实验组，分别对不同模型进行对比分析。通过实验，可得到结论：(1)小波包分解能有效地提取出不同频段的子序列，从而提高预测精度；(2)纵横交叉算法能很好地改善支持向量机模型的预测能力；(3)跟其他预测模型相比，本文方法取得更好的预测效果。