结合回归分析与改进GA-SVR的风机噪声预测

发布时间：2017-11-27 16:22

  本文关键词：结合回归分析与改进GA-SVR的风机噪声预测

  更多相关文章： 风电机组 噪声预测 回归分析 支持向量机 遗传算法

【摘要】：针对风电机组噪声测量过程复杂的状况,研究IEC 61400-11风电机组噪声测量标准,提出用非声学参数对机组噪声的A计权声压级进行预测。分析基于遗传算法的支持向量机回归(GA-SVR)的不足并提出改进措施,结合实际情况平衡了遗传算法(GA)的终止条件,针对样本特性会影响SVR预测精度的问题,提出采用回归分析对样本特性进行处理。应用统计软件SAS完成了基于回归分析的变量筛选,去除了变量间的共线性并实现了降维;再通过异常点诊断,剔除了数据中的强影响点;最后将处理后的样本引入改进的GA-SVR建立预测模型。通过实测的风电场数据,应用回归分析、改进的GA-SVR及两者结合的方法进行了噪声预测,其中结合预测的方法精度最高,其预测结果的相对误差平均值仅为0.775 7%,具有实际可行性。
【作者单位】： 新疆大学电气工程学院;可再生能源发电与并网技术教育部工程研究中心;
【基金】：高等学校博士学科点专项科研基金资助项目(20136501120003) 教育部创新团队基金资助项目(IRT1285) 国家自然科学基金资助项目(51267017)
【分类号】：TM315
【正文快照】： 随着风电产业的快速发展,作为风电机组选择和风电场选址重要指标的噪声,逐渐受到国内外研究人员的重视[1]。Kuwano等[2]研究了风电机组所产生的噪声对周边居民生活的影响。吴宏刚[3]针对风电机组噪声信号所包含的机组运行信息,对噪声参数声压级进行了研究。Son等[4]针对噪声制

【相似文献】

中国期刊全文数据库 前1条

1 章政;王晓佳;;基于最小一乘的GA-SVR用电量预测[J];电子科技大学学报(社科版);2013年06期

，

本文编号：1232462