最小二乘支持向量机在短期风速预测中的应用概况

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (204 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要从最小二乘支持向量机（LS-SVM）的原理出发,从本质上阐明了LS-SVM在短期风速预测中的可行性与优越性。在对LS-SVM在应用中存在的包括数据预处理、核函数构造及选取以及参数优化等问题进行分析后,归纳了现行主要解决方法,从而全面总结了LS-SVM在短期风速预测中的应用概况。最后对基于LS-SVM的短期风速预测所存在的问题进行总结,并提出建议。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐蓓蓓
	章正国
	郑新龙
	何旭涛
	敬强

关键词 ：最小二乘支持向量机, 短期风速预测, 数据预处理, 核函数, 参数优化, 组合预测

Abstract：Based on the principle of LS-SVM, the feasibility and superiority of the LS-SVM method of Short term wind speed forecasting are essentially clarified. Some problems about the application of LS-SVM, including data pre-processing, the constructing and current solutions are provided respectively. For a series of LS-SVM-based improvements and some combination forecasting methods consisting of LS-SVM with other algorithms, a comprehensive summary is given,from the perspective of the mechanism about LS-SVM algorithm being applied to Short term wind speed forecasting, and the elevation of prediction accuracy and speed. Finally, some key issues about LS-SVM-based Short term wind speed forecasting are summarized and some recommendations are given.

Key words： least squares support vector machine Short term wind speed forecasting data pre-processing kernel function parameter optimization combination forecasting

作者简介: 徐蓓蓓（1987-）硕士,研究方向：电力系统控制与运行。

引用本文:

徐蓓蓓, 章正国, 郑新龙, 何旭涛, 敬强. 最小二乘支持向量机在短期风速预测中的应用概况[J]. 电气技术, 2013, 14(6): 22-25. Xu Beibei, Zhang Zhengguo, Zheng Xinlong, He Xutao, Jing Qiang. Application Profiles of Least Support Vector Machine in Short-term <br/>Wind Speed Forecasting. Electrical Engineering, 2013, 14(6): 22-25.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2013/V14/I6/22

[1] 王晓兰,李辉.风电场输出功率年度预测中有效风速预测研究[J].中国电机工程学报, 2010, 30(8): 117-122.
[2] 丁明,张立军,吴义纯.基于时间序列分析的风电场风速预测模型[J].电力系统自动化设备, 2005, 25(8): 32-34.
[3] 杨秀媛,肖洋,陈树勇.风电场风速和发电功率预测研究[J].中国电机工程学报, 2005, 25(11): 1-5.
[4] 陈树勇,戴慧珠,白晓民,等.风电场的发电可靠性模型及其应用[J].中国电机工程学报, 2000, 20(3): 26-29.
[5] 杨锡运,孙翰墨.基于时间序列模型的风电场风速预测研究[J].动力工程学报, 2011, 31(3): 203-20.
[6] 范高锋,王伟胜,刘纯.基于人工神经网络的风电功率短期预测系统[J].电网技术, 2008, 32(22): 72-76.
[7] 杨刚,陈鸣.基于BP神经网络的风速预测和风能发电潜力分析[J].华东电力, 2010, 38(2): 304-309.
[8] 杜颖,卢继平,李青,等.基于最小二乘支持向量机的风电场短期风速预测[J].电网技术, 2008, 32(15): 62- 66.
[9] 张宁,许承权,薛小铃,等.基于最小二乘支持向量机的短期负荷预测模型[J].现代电子技术, 2010, (18): 131-133.
[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, (1): 79.
[11] 曾杰,张华.基于最小二乘支持向量机的风速预测模型[J].电网技术, 2009, 33(18): 144-147.
[12] 陈倩,徐宏锐.考虑相关因素的最小二乘支持向量机风速预测方法栗然[J].电力系统保护与控制, 2010, 38(21): 146-151.
[13] 常群.支持向量机的核方法及其模型选择[D].哈尔滨:哈尔滨工业大学, 2007.
[14] 付阳,李昆仑.支持向量机模型参数选择方法综述[J],电脑知识与技术, 2010, 6(28): 8081-8082, 8085.
[15] 龚松建,袁宇浩,王莉,张广明.基于PSO优化LS-SVM的短期风速预测[J].可再生能源, 2011, 29(2): 22-25.
[16] 孙斌,姚海涛.基于PSO优化LSSVM的短期风速预测,电力系统保护与控制, 2012, 40(5): 85-89.
[17] 王奔,冷北雪,张喜海,单翀皞,从振.支持向量机在短期负荷预测中的应用概况[J].电力系统及其自动化学报, 2011, 23(4): 115-120.
[18] 周同旭.基于遗传算法的支持向量机短期风速预测[J].皖西学院报, 2010, 26(5): 106-109.
[19] 杨洪,古世甫,崔明东,孙禹.基于遗传优化的最小二乘支持向量机风电场风速短期预测[J].电力系统保护与控制, 2011, 39(11): 44-48.
[20] 曾杰,张华.基于蚁群优化的最小二乘支持向量机风速预测模型研究[J].太阳能学报, 2011, 32(3): 296- 299.
[21] 吴俊,张榆锋.经验模态分解和小波分解滤波特性的比较研究[J].云南大学学报(自然科学版), 2012, 34(3): 285-290.
[22] 张华,郁永静,冯志军,孙科.基于小波分解与支持向量机的风速预测模型[J].水力发电学报, 2012, 31(1): 208-211.
[23] 王婷. EMD算法研究及其在信号去噪中的应用[D].哈尔滨:哈尔滨工程大学, 2010.
[24] 王晓兰,李辉.基于EMD与LS-SVM的风电场短期风速预测[J].计算机工程与设计, 2010, 31(10): 2303- 2307.
[25] 王晓兰,康蕾.在线模糊最小二乘支持向量机的时间序列预测[J].计算机工程与应用, 2010, 46(9): 215- 216.
[26] 周腊吾,陈静,戴浪.基于最小二乘支持向量机的风速组合预测模型[J].科技导报, 2011, 29(7): 66-68.