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

发布时间：2018-05-15 21:11

  本文选题：风力发电 + 波动范围　； 参考：《电工技术学报》2014年12期

【摘要】：提出一种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建模方法。该方法首先对训练样本进行模糊信息粒化,根据需要提取各窗口的有效分量信息,即各窗口的最小值、大致平均值和最大值;其次应用最小二乘支持向量机对各分量分别建立预测模型,并使用自适应粒子群算法对各分量模型进行优化;最后使用优化后最小二乘支持向量机模型对风电功率波动范围进行预测。实例研究表明,该组合预测模型可以有效跟踪风电功率变化,对风电功率波动范围进行预测。
[Abstract]:A modeling method based on fuzzy information granulation and least squares support vector machine (LS-SVM) for wind power fluctuation range prediction is proposed. Firstly, the training sample is granulated with fuzzy information, and the effective component information of each window is extracted according to the need, that is, the minimum value of each window, the approximate average value and the maximum value. Secondly, the prediction model of each component is established by using least square support vector machine, and the adaptive particle swarm optimization algorithm is used to optimize each component model. Finally, the optimal least square support vector machine model is used to predict the fluctuation range of wind power. The example shows that the combined forecasting model can effectively track the variation of wind power and predict the fluctuation range of wind power.
【作者单位】： 北京林业大学工学院;武汉大学电气工程学院;
【基金】：中央高校基本科研业务费专项资金(BLX2014-05)资助项目
【分类号】：TM614

【参考文献】

相关期刊论文 前9条

1 崔杨;穆钢;刘玉;严干贵;;风电功率波动的时空分布特性[J];电网技术;2011年02期

2 张铃,张钹;模糊商空间理论(模糊粒度计算方法)[J];软件学报;2003年04期

3 范高锋;王伟胜;刘纯;戴慧珠;;基于人工神经网络的风电功率预测[J];中国电机工程学报;2008年34期

4 尚万峰;赵升吨;申亚京;;遗传优化的最小二乘支持向量机在开关磁阻电机建模中的应用[J];中国电机工程学报;2009年12期

5 张春晓;张涛;;基于最小二乘支持向量机和粒子群算法的两相流含油率软测量方法[J];中国电机工程学报;2010年02期

6 袁铁江;晁勤;李义岩;吐尔逊·伊不拉音;;大规模风电并网电力系统经济调度中风电场出力的短期预测模型[J];中国电机工程学报;2010年13期

7 曾鸣;吕春泉;田廓;薛松;;基于细菌群落趋药性优化的最小二乘支持向量机短期负荷预测方法[J];中国电机工程学报;2011年34期

8 林卫星;文劲宇;艾小猛;程时杰;李伟仁;;风电功率波动特性的概率分布研究[J];中国电机工程学报;2012年01期

9 杨锡运;孙宝君;张新房;李利霞;;基于相似数据的支持向量机短期风速预测仿真研究[J];中国电机工程学报;2012年04期

【共引文献】

相关期刊论文 前10条

1 吴明芬;沈挺;曹存根;吴贤维;;模糊商空间理论两个定理的补充[J];北京交通大学学报;2009年06期

2 张清华;周玉兰;滕海涛;;基于粒计算的认知模型[J];重庆邮电大学学报(自然科学版);2009年04期

3 薛志远;张清华;;复合粒计算模型研究进展[J];重庆邮电大学学报(自然科学版);2010年05期

4 冯林;刘照鹏;方丹;;信息系统中粒计算模型及其属性约简方法[J];重庆邮电大学学报(自然科学版);2010年05期

5 卓丽霞;朱小飞;;粒计算规则生成模型[J];重庆工学院学报(自然科学版);2008年09期

6 赵小龙;张步群;;基于粒计算高效挖掘决策型关系数据库中关联规则[J];巢湖学院学报;2008年03期

7 杨明,梁大开,万鹏飞;复合材料结构损伤的属性理论综合评估[J];材料科学与工程学报;2004年05期

8 刘永红;申艳光;;隐私保护粒计算模型的研究[J];河北农业大学学报;2010年05期

9 严干贵;李鸿博;穆钢;崔杨;刘玉;;基于等效风速的风电场等值建模[J];东北电力大学学报;2011年03期

10 尹金良;朱永利;;支持向量机参数优化及其在变压器故障诊断中的应用[J];电测与仪表;2012年05期

相关会议论文 前10条

1 张铃;张燕平;方宏彬;张沆;;不可约迭代函数系统的商空间理论[A];第二十六届中国控制会议论文集[C];2007年

2 毛军军;张铃;郑婷婷;吴涛;;基于商空间理论的商分形模型[A];第二十六届中国控制会议论文集[C];2007年

3 项倩雯;孙玉坤;张新华;;基于SVM-GA的磁悬浮开关磁阻电机优化设计[A];中国自动化学会控制理论专业委员会C卷[C];2011年

4 王增新;苏适;田沛;;光伏发电预测技术的应用[A];2011年云南电力技术论坛论文集（入选部分）[C];2011年

5 张诚一;;模糊集的同构与同态[A];第二届不确定系统年会论文集[C];2004年

6 杨晓亮;徐建源;林莘;;主成分BP神经网络预测模型在风电场输出功率中的应用[A];2010输变电年会论文集[C];2010年

7 栗然;柯拥勤;张孝乾;唐凡;;基于时序-支持向量机的风电场发电功率预测研究[A];中国智能电网学术研讨会论文集[C];2011年

8 代劲;何中市;;基于云模型的快速信息粒化算法[A];第五届全国信息检索学术会议论文集[C];2009年

9 杨树德;同向前;;风电功率波动特性描述方法比较研究[A];分布式发电、智能微电网与电能质量——第三届全国电能质量学术会议暨电能质量行业发展论坛论文集[C];2013年

10 张宏图;李晓奇;;基于AIMA的改进神经网络模型在风电功率短期预测中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年

相关博士学位论文 前10条

1 许爱德;开关磁阻电机在船舶电力推进中的应用研究[D];大连海事大学;2010年

2 刘慧芳;非并网风电直供系统方案设计及控制策略研究[D];中国地质大学（北京）;2011年

3 许相莉;基于智能计算的图像检索算法研究[D];吉林大学;2011年

4 张晨;基于非线性系统的金沙江攀西河段水系形态及泥石流危害研究[D];吉林大学;2011年

5 张颖媛;微网系统的运行优化与能量管理研究[D];合肥工业大学;2011年

6 解滨;信息系统中的知识获取与不确定性度量的若干问题研究[D];河北师范大学;2011年

7 李智;风电规律预测及对电网运行影响的研究[D];山东大学;2011年

8 陈杰;高分辨率遥感影像面向对象分类方法研究[D];中南大学;2010年

9 刘宏兵;多目标粒度支持向量机及其应用研究[D];武汉理工大学;2011年

10 胡军;基于覆盖的粒计算模型及其应用研究[D];西安电子科技大学;2010年

相关硕士学位论文 前10条

1 徐洪伟;数据挖掘中决策树分类算法的研究与改进[D];哈尔滨工程大学;2010年

2 江强梅;基于粒度计算的客户分类算法研究[D];河南工业大学;2010年

3 黄小慧;基于粒计算的三层结构的交通流模拟[D];南昌大学;2010年

4 周显春;基于小波网络的入侵检测模型研究[D];中南林业科技大学;2008年

5 赵旭东;基于GrC&SDG的实时故障预测诊断专家系统的设计[D];太原理工大学;2011年

6 张静;基于粒度熵的故障模型约简与SDG推理方法研究[D];太原理工大学;2011年

7 陈燕;基于粒计算——神经网络的故障诊断方法与应用[D];太原理工大学;2011年

8 阮娟娟;基于粒度合成的胸部HRCT图像分割[D];太原理工大学;2011年

9 吕丹;风电场数据采集监测与预报系统的设计与实现[D];北京交通大学;2011年

10 潘佳伟;基于粒计算的人工智能反射操作模拟[D];武汉理工大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 邵t，

本文编号：1893952