本文關(guān)鍵詞：遺傳算法對(duì)SVR風(fēng)速預(yù)測(cè)模型的多參數(shù)優(yōu)化　出處：《電機(jī)與控制學(xué)報(bào)》2017年02期 　論文類型：期刊論文

  更多相關(guān)文章： 遺傳算法 支持向量機(jī) 空間重構(gòu) 多參數(shù)優(yōu)化 風(fēng)速預(yù)測(cè)

【摘要】：實(shí)驗(yàn)分析發(fā)現(xiàn):通過(guò)相空間重構(gòu)法求出的嵌入維數(shù)E和時(shí)間延遲τ往往不是支持向量回歸機(jī)(SVR)預(yù)測(cè)模型的最優(yōu)參數(shù)。針對(duì)此問(wèn)題,建立了一種基于遺傳算法(GA)的多參數(shù)同步優(yōu)化的SVR預(yù)測(cè)方法。利用GA方法對(duì)E、τ和SVR模型中的懲罰因子C、核函數(shù)寬度γ進(jìn)行同步優(yōu)化獲得全局最優(yōu)解,建立SVR風(fēng)速預(yù)測(cè)模型。對(duì)比單純優(yōu)化C、γ的模型,以2組風(fēng)速數(shù)據(jù)為例進(jìn)行實(shí)驗(yàn)研究,建立的模型預(yù)測(cè)誤差約為6.56%和7.74%。而對(duì)比模型的誤差為12.00%和9.30%。這一結(jié)果表明,同時(shí)對(duì)E、τ、C、γ進(jìn)行優(yōu)化的模型相對(duì)于單純優(yōu)化C、γ的模型,預(yù)測(cè)精確度大大提高。
[Abstract]:The experimental results show that the embedding dimension E and time delay 蟿 obtained by phase space reconstruction method are not the optimal parameters of SVR) prediction model. A SVR prediction method for multi-parameter synchronization optimization based on genetic algorithm (GA) is established, and the penalty factor C in E, 蟿 and SVR model is obtained by using GA method. The kernel width 緯 is synchronously optimized to obtain the global optimal solution, and the SVR wind speed prediction model is established. Two sets of wind speed data are taken as an example. The prediction error of the established model is about 6.56% and 7.74, while the error of the contrast model is 12.00% and 9.300.This result shows that, for E, 蟿 C at the same time. The prediction accuracy of 緯 optimization model is greatly improved compared with that of pure optimization Cy model.
【作者單位】： 華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院;
【基金】：教育部中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2015MS102)
【分類號(hào)】：TM614
【正文快照】： 0引言風(fēng)速預(yù)測(cè)一直是電網(wǎng)系統(tǒng)規(guī)劃和運(yùn)行中重要一項(xiàng)環(huán)節(jié),工作量大,重復(fù)性高[1-2]。然而風(fēng)速變化頻繁,所以風(fēng)電機(jī)組的發(fā)電功率波動(dòng)性較大。當(dāng)風(fēng)機(jī)穿越功率達(dá)到一定閾值后,就會(huì)嚴(yán)重影響電網(wǎng)電能質(zhì)量和功率平衡[3]。因此風(fēng)速預(yù)測(cè)是一項(xiàng)意義重大的任務(wù)。建立一個(gè)高精確度的風(fēng)速預(yù)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計(jì)[J];液壓氣動(dòng)與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運(yùn)行優(yōu)化中的應(yīng)用[J];流體機(jī)械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

4 李凡,黃數(shù)林,張東風(fēng);一種改進(jìn)的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進(jìn)展綜述[J];機(jī)床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

10 于金;金樂(lè);杜海璐;;基于改進(jìn)遺傳算法的集裝箱裝載優(yōu)化問(wèn)題研究[J];船海工程;2008年05期

相關(guān)會(huì)議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國(guó)云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國(guó)制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問(wèn)題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國(guó)仲;王元西;;基于遺傳算法控制步長(zhǎng)的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國(guó)水利報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問(wèn)題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測(cè)中的應(yīng)用研究[D];沈陽(yáng)工業(yè)大學(xué);2016年

3 高軍;無(wú)鉛焊料本構(gòu)模型及其參數(shù)識(shí)別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國(guó)生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國(guó)田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問(wèn)題中應(yīng)用的研究[D];四川大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對(duì)偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測(cè)控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級(jí)公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測(cè)[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號(hào)：1378631