本文關(guān)鍵詞：基于小波包分解和布谷鳥算法的最小二乘支持向量機(jī)風(fēng)速預(yù)測(cè)模型的研究與應(yīng)用

  更多相關(guān)文章： 混合風(fēng)速預(yù)測(cè)模型 數(shù)據(jù)預(yù)處理 參數(shù)優(yōu)化 人工智能算法

【摘要】：風(fēng)能是一種最具規(guī)模發(fā)展?jié)摿Φ那鍧嵖稍偕茉?因?yàn)樗粌H沒有燃料問題,也不會(huì)產(chǎn)生輻射和空氣污染,而且隨著風(fēng)能設(shè)施日趨進(jìn)步,其生產(chǎn)成本也大量降低,在某些地點(diǎn),風(fēng)力發(fā)電成本已低于其它發(fā)電方式的成本。而風(fēng)速預(yù)測(cè)是風(fēng)能資源評(píng)估和電網(wǎng)規(guī)劃的關(guān)鍵。然而,由于風(fēng)能的間歇性和不穩(wěn)定性等因素,準(zhǔn)確預(yù)測(cè)風(fēng)速成為一項(xiàng)艱巨的任務(wù)。傳統(tǒng)方法總是直接預(yù)測(cè)原始數(shù)據(jù),而忽略原始數(shù)據(jù)的預(yù)處理,因此,預(yù)測(cè)方法的穩(wěn)定性有時(shí)是沒有保證的。本文提出了一個(gè)新的基于數(shù)據(jù)預(yù)處理和人工智能算法的混合預(yù)測(cè)方法,提出的混合方法包含三個(gè)部分：首先對(duì)原始的風(fēng)速數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,然后建立初始的LSSVM模型并利用布谷鳥搜索算法對(duì)模型進(jìn)行參數(shù)尋優(yōu),最后用優(yōu)化好的LSSVM模型對(duì)風(fēng)速數(shù)據(jù)進(jìn)行預(yù)測(cè),通過以上步驟以保證風(fēng)速預(yù)測(cè)準(zhǔn)確性和穩(wěn)定性。此外,本文提出的模型以中國山東省蓬萊虎山發(fā)電場(chǎng)每10分鐘平均風(fēng)速數(shù)據(jù)為例進(jìn)行了實(shí)證研究,并和BP神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)以及粒子群優(yōu)化的LSSVM模型的風(fēng)速預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比,最后還進(jìn)行了假設(shè)檢驗(yàn)。風(fēng)速預(yù)測(cè)和假設(shè)檢驗(yàn)的結(jié)果表明,該混合方法不僅簡單而且可以有效地提高風(fēng)速預(yù)測(cè)的準(zhǔn)確性。
【關(guān)鍵詞】：混合風(fēng)速預(yù)測(cè)模型 數(shù)據(jù)預(yù)處理 參數(shù)優(yōu)化 人工智能算法
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TM614;TP18
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 引言7-10
• 第二章 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)模型10-17
• 2.1 神經(jīng)網(wǎng)絡(luò)簡介10
• 2.2 BP神經(jīng)網(wǎng)絡(luò)10-14
• 2.3 小波神經(jīng)網(wǎng)絡(luò)14-15
• 2.4 數(shù)值實(shí)驗(yàn)15-17
• 2.4.1 數(shù)據(jù)來源及描述15
• 2.4.2 預(yù)測(cè)結(jié)果15-17
• 第三章 基于PSO算法的最小二乘支持向量機(jī)的風(fēng)速預(yù)測(cè)17-27
• 3.1 VC維理論17
• 3.2 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則17-18
• 3.3 支持向量機(jī)18
• 3.4 支持向量回歸機(jī)18-20
• 3.5 最小二乘支持向量機(jī)20-22
• 3.6 PSO算法22-25
• 3.6.1 PSO算法的基本理論22-23
• 3.6.2 PSO算法的流程23-24
• 3.6.3 PSO算法的參數(shù)選擇24-25
• 3.7 PSO-LSSVM算法流程25
• 3.8 數(shù)值實(shí)驗(yàn)25-27
• 第四章 基于數(shù)據(jù)預(yù)處理和布谷鳥算法的最小二乘支持向量機(jī)混合模型的風(fēng)速預(yù)測(cè)27-45
• 4.1 數(shù)據(jù)預(yù)處理27-31
• 4.1.1 小波變換27-29
• 4.1.2 小波包變換29-31
• 4.2 布谷鳥算法31-34
• 4.2.1 萊維飛行32
• 4.2.2 布谷鳥搜索算法32-34
• 4.3 假設(shè)檢驗(yàn)34
• 4.4 混合風(fēng)速預(yù)測(cè)模型的流程34-36
• 4.5 數(shù)值實(shí)驗(yàn)36-45
• 4.5.1 數(shù)據(jù)預(yù)處理的結(jié)果36-37
• 4.5.2 預(yù)測(cè)結(jié)果37-39
• 4.5.3 假設(shè)檢驗(yàn)結(jié)果39-40
• 4.5.4 預(yù)測(cè)結(jié)果的比較40-45
• 第五章 結(jié)論與展望45-47
• 5.1 結(jié)論45
• 5.2 展望45-47
• 參考文獻(xiàn)47-52
• 附錄52-58
• 在學(xué)期間的研究成果58-59
• 致謝59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡子谷,宓為建,石來德;故障振動(dòng)信號(hào)的小波包分解與診斷[J];振動(dòng)與沖擊;1998年02期

2 王麗君;楊振中;田光旭;葛臨東;;小波包分解在氫發(fā)動(dòng)機(jī)異常燃燒診斷中的應(yīng)用[J];車用發(fā)動(dòng)機(jī);2007年06期

3 邱家興;李彬;項(xiàng)田超;;基于小波包分解的水面目標(biāo)噸位大小分類方法[J];中國科技信息;2012年16期

4 錢蘇翔;楊世錫;焦衛(wèi)東;胡紅生;;基于獨(dú)立分量分析與小波包分解的混疊聲源信號(hào)波形恢復(fù)[J];中國機(jī)械工程;2010年24期

5 宋友,柳重堪,李其漢;基于小波包分解的早期碰摩故障診斷研究[J];北京航空航天大學(xué)學(xué)報(bào);2003年01期

6 馮哲圣,顧德恩,楊邦朝;基于小波包分解的電化學(xué)噪音能量譜分析[J];電子測(cè)量與儀器學(xué)報(bào);2003年04期

7 劉曉波,黃其柏,孫康;小波包分解及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];風(fēng)機(jī)技術(shù);2004年06期

8 熊祖坤;李海云;;結(jié)合異質(zhì)擴(kuò)散和小波包分解的醫(yī)學(xué)圖像分割算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2008年12期

9 李自國;郝偉;李凌均;;基于小波包分解和支持向量數(shù)據(jù)描述的故障診斷方法[J];機(jī)械強(qiáng)度;2007年03期

10 張景川;曾周末;張兆偉;程向麗;張溪默;;基于小波包分解的多尺度互相關(guān)管道定位方法[J];納米技術(shù)與精密工程;2011年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前7條

1 范海寧;郭英;吳劍鋒;陳志武;;基于小波包分解的聲信號(hào)特征提取方法[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

2 陳光軍;胡昌華;任章;周志杰;;小波包分解在慣性器件故障診斷中應(yīng)用研究[A];2004全國測(cè)控、計(jì)量與儀器儀表學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2004年

3 張志猛;李永剛;張建忠;;基于小波包分解的發(fā)電機(jī)轉(zhuǎn)子繞組匝間短路故障檢測(cè)[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

4 羅忠;孫偉;張帥;韓清凱;;基于小波包分解的不對(duì)中轉(zhuǎn)子系統(tǒng)的振動(dòng)特征分析[A];第9屆全國轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)ROTDYN'2010論文集[C];2010年

5 趙池航;周百令;李坤宇;趙立業(yè);;小波包分解在高精度海洋重力儀數(shù)據(jù)處理中的應(yīng)用研究[A];中國慣性技術(shù)學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2003年

6 王志剛;呂勇;李友榮;李方;;基于自適應(yīng)諧波小波包分解的齒輪故障診斷方法[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

7 付博志;張鴻賓;;基于MPEG-I和小波包分解的語音特征提取[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 魏翔;基于小波包分解和布谷鳥算法的最小二乘支持向量機(jī)風(fēng)速預(yù)測(cè)模型的研究與應(yīng)用[D];蘭州大學(xué);2015年

2 胡維;不同水溫浸泡后花崗巖聲發(fā)射特征及其信號(hào)識(shí)別[D];江西理工大學(xué);2015年

3 付博志;基于MPEG-1和小波包分解的說話人識(shí)別[D];北京工業(yè)大學(xué);2008年

，

本文編號(hào)：1060874