基于样本修整和支持向量机算法的并网风电机组运行特性研究

发布时间：2019-06-03 06:03

【摘要】：针对并网风力机组运行时非线性、耦合性和大惯性的特点,提出了一种基于样本修整和支持向量机算法的系统辨识方法,并通过实例将该方法与单纯的支持向量机算法、BP(back propagation)神经网络算法进行比较.结果表明,样本修整后与修整前相比,训练速度和预测精度都有明显提高,基于样本修整和支持向量机算法的辨识方法具有明显的优越性.
[Abstract]:......
【作者单位】： 河海大学能源与电气学院;
【基金】：国家重点基础研究发展计划(973计划)资助项目(2010CB227102-1) 江苏省自然科学基金面上资助项目(2013-198) 教育部留学回国人员科研启动基金资助项目(2012-940) 江苏省六大人才高峰项目(2012-XNY-12)
【分类号】：TP18;TM315

【相似文献】

相关期刊论文 前10条

1 高尚;梅亮;;基于支持向量机的电价组合预测模型[J];电力自动化设备;2008年11期

2 周松林;茆美琴;苏建徽;;基于小波分析与支持向量机的风速预测[J];太阳能学报;2012年03期

3 吴钰;王杰;;综合最优灰色支持向量机模型在季节型电力负荷预测中的应用[J];华东电力;2012年01期

4 全睿;全书海;黄亮;谢长君;;基于支持向量机的车用燃料电池系统故障诊断[J];振动.测试与诊断;2012年01期

5 黎特;皮薇;;支持向量机模型改进及在短期边际电价预测中的应用[J];国网技术学院学报;2013年05期

6 吴钰;王杰;;基于加权最小二乘支持向量机的月度负荷预测[J];水电能源科学;2012年05期

7 王振树;李林川;牛丽;;基于贝叶斯证据框架的支持向量机负荷建模[J];电工技术学报;2009年08期

8 刘曼兰;崔淑梅;郭斌;;基于模糊C均值支持向量机的直流电机故障模式识别[J];微电机;2011年10期

9 马丽丽;黄仙;;支持向量机回归算法在锅炉燃烧系统建模中的应用研究[J];现代电力;2008年02期

10 王慧勤;;基于支持向量机的短期风速预测研究[J];宝鸡文理学院学报(自然科学版);2009年01期

相关会议论文 前9条

1 肖怀宝;逯贵祯;李彦霏;;基于支持向量机的电磁参数提取方法研究[A];2009年全国天线年会论文集（下）[C];2009年

2 石亚欣;;基于支持向量机的风速周期预测模型[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年

3 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年

4 王永春;;一种复合的支持向量机模型在电力系统短期负荷中的应用[A];第十届全国电工数学学术年会论文集[C];2005年

5 吕刚;范瑜;;基于最小二乘广义支持向量机的永磁直线同步电动机建模[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 林茂六;华晓杰;;基于支持向量机的大信号射频功率器件频域特征模型回归分析[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年

7 周曙光;孟庆虎;孟庆丰;;基于支持向量机的核岛主泵状态预测[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

8 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

9 杨坤;纪志成;;基于峰值识别的改进SVM用电需求预测[A];中国自动化学会控制理论专业委员会B卷[C];2011年

相关博士学位论文 前1条

1 肖燕彩;支持向量机在变压器状态评估中的应用研究[D];北京交通大学;2008年

相关硕士学位论文 前10条

1 陈坚;基于支持向量机的短期负荷预测研究[D];华南理工大学;2012年

2 周丹;基于支持向量机的电缆故障识别[D];西安科技大学;2009年

3 李新燕;支持向量机在电缆故障分类中的应用[D];西安科技大学;2010年

4 陈静;基于支持向量机的风速预测系统[D];湖南大学;2011年

5 王鹏;基于支持向量机的风电功率预测和变桨距控制研究[D];北京交通大学;2012年

6 姜仁辉;设计与实现基于支持向量机的水电故障分类器[D];吉林大学;2008年

7 盖姝;基于改进支持向量机的短期电力负荷预测研究[D];华北电力大学;2013年

8 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年

9 张晓燕;基于相空间重构和支持向量机的蒸汽负荷预测研究[D];哈尔滨工业大学;2011年

10 李涛;支持向量机在风电功率预测中的应用研究[D];北京交通大学;2012年

，

本文编号：2491729