基于支持向量回归机及Trust-Tech的短期太阳能辐射量预测方法

发布时间：2021-09-08 20:34

　　包括太阳能和风能在内的可再生能源的并网容量越来越大。可再生能源区别于传统能源的最大特点在于其发电能力受自然条件的影响,具有天生的不确定性与间歇性,给电力系统的运行方式、调度方式带来了很大的挑战。因此,对于高精度的可再生能源比如说太阳能的高精度预测成为了一个热门的领域并且吸引了众多学者的关注。在本文的研究中,我们提出了一个基于Trust-Tech的分群遗传算法的支持向量回归机预测模型。该模型中有几个显著的特点:第一,数据驱动型的特征选择算法被用来选择与预测相关的特征,并且可以提升预测精度。除了预测精度的提升之外,该特征选择算法还能通过去除不相关特征以及冗余特征来降低输入数据特征维度,从而达到加速支持向量机模型训练速度的特点。第二,为了提高预测的精度,我们还提出了Trust-Tech分群遗传算法。该算法不仅能提高预测精度,嵌入的分群算法同样能加速遗传算法的收敛速度,同时还可以得到多组具有相似特性的解。第三,将上述步骤中得到的具有高精度的多组解可以通过组合的方法来得到最终具有最强泛化能力的支持向量机模型。在本文的另一部分研究中,我们提出了一种新的思想,就是将组合核函数支持向量回归机应用于太阳... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

NOAA/ESRL全球组合预报系统与98个奥克拉荷马中尺度站的地理位置关系

起一直测量到世界调整时间(Universal Time Coordinated, UTC)23 点 55 分，之后对这些测量量进行加和。所用到的 NOAA/ESRL 全球组合预报系统第二版数值气象预报信息均是预报信息，采样点是每天 12 点，15 点，18 点，21点和 24 点。也就是说，每天对各个气象站每个特征（共计 15 个特征，见表3-1）在上述不同时间进行 5 次数据读取。除此之外，对于每一个采集的数据点，都有 11 个有着不同初始条件的值。例如对于 2000 年 11 月 1 日中午 12点的某一个气象站的平均海拔气压这一数据点，总共有 11 组具有不同初始条件的预报值。对于每一个气象站的海拔信息，由于模型建模时的平滑处理，数据中提供的海拔信息与真实的海拔信息会有差别。本次竞赛共吸引了共计 160 支队伍 199 名人员的参与。该竞赛已于 2013 年11 月 15 日结束。竞赛主办方提供了样条插值(Spline Interpolation)，高斯混合模型(Gaussian Mixture Mode)与随机正态(Random Normal)三种方法作为基准方法。名次较靠前的选手所使用的方法及数据的处理方式都在竞赛网站上公布。图 3-2列出了测试数据前四名[50]。更多详细的信息可参考竞赛网站。

【参考文献】：
期刊论文
[1]太阳能光伏电站发电量变化特征及其与气象要素的关系[J]. 孙朋杰,陈正洪,成驰,张荣.  水电能源科学. 2013(11)
[2]短期太阳能光伏发电预测方法研究进展[J]. 崔洋,孙银川,常倬林.  资源科学. 2013(07)
[3]影响太阳能光伏发电功率的环境气象因子诊断分析[J]. 刘玉兰,孙银川,桑建人,左河疆,严晓瑜,马筛艳.  水电能源科学. 2011(12)
[4]多核学习方法[J]. 汪洪桥,孙富春,蔡艳宁,陈宁,丁林阁.  自动化学报. 2010(08)



本文编号：3391442