本文關鍵詞：基于譜聚類和優(yōu)化極端學習機的超短期風速預測

  更多相關文章： 超短期風速預測 譜聚類 極端學習機

【摘要】：較高精度的超短期風速預測是并網運行風電場風電功率預測預報系統(tǒng)建立和運行的必要前提及保證。由于風速影響因素眾多,具有較大的波動性和隨機性,并具有高度的自相關性,給傳統(tǒng)的風速預測方法帶來了極大的挑戰(zhàn)。提出一種基于譜聚類和極端學習機的超短期風速預測方法。該方法首先利用小波變換和主成分分析對風速數(shù)據(jù)進行去噪和降維處理,剔除數(shù)據(jù)的不規(guī)則波動,有效降低數(shù)據(jù)維度;然后分別應用譜聚類對小波變換后的各分解序列進行聚類分析,減少訓練樣本空間,提高樣本有效性,降低計算復雜度;再應用極端學習機對各分解序列分別進行訓練,同時通過遺傳算法對極端學習機輸入權值、偏置等參數(shù)進行優(yōu)化,確保各分解序列輸出最佳預測模型;最后將各分解序列預測結果相加得到最終預測結果。以某風電場實際數(shù)據(jù)進行的建模結果表明該模型有效實現(xiàn)了對風速的超短期、多步預測,采用的方法合理有效。
【作者單位】： 華北電力大學經濟與管理學院;
【基金】：國家自然科學基金項目(70901025) 中央高�；究蒲袠I(yè)務費專項資金資助(13MS32) 北京市哲學社會科學規(guī)劃項目(13JDJGC055)~~
【分類號】：TM614
【正文快照】： 0引言風力發(fā)電是一種清潔的可再生能源,開發(fā)利用相對簡單,越來越受到世界各國重視。有效的風速預測是風力發(fā)電研究的基礎環(huán)節(jié),是并網運行風電場風電功率預測預報系統(tǒng)建立和運行的必要前提和保證。對風電場進行較高精度的超短期風速預測,可以有效降低由于風電機組突然切出造成

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 蔡凱;譚倫農;李春林;陶雪峰;;時間序列與神經網絡法相結合的短期風速預測[J];電網技術;2008年08期

2 王曉蘭;王明偉;;基于小波分解和最小二乘支持向量機的短期風速預測[J];電網技術;2010年01期

3 楊洪明;黃拉;何純芳;易德鑫;;冰風暴災害下輸電線路故障概率預測[J];電網技術;2012年04期

4 吳俊利;張步涵;王魁;;基于Adaboost的BP神經網絡改進算法在短期風速預測中的應用[J];電網技術;2012年09期

5 尹東陽;盛義發(fā);蔣明潔;李永勝;謝曲天;;基于粗糙集理論-主成分分析的Elman神經網絡短期風速預測[J];電力系統(tǒng)保護與控制;2014年11期

6 楊錫運;孫寶君;張新房;李利霞;;基于相似數(shù)據(jù)的支持向量機短期風速預測仿真研究[J];中國電機工程學報;2012年04期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 尹輝;羅四維;黃雅平;鄒琪;;基于自適應尺度LE的輪廓編組算法[J];北京交通大學學報;2011年05期

2 胡春海;張偉濤;周倩;程淑紅;;基于多尺度分析的歸一化割圖像分割算法[J];燕山大學學報;2012年01期

3 ;Achievements and Prospects of Wind Power Prediction[J];Electricity;2011年05期

4 時慶華;高山;陳昊;;2種風電功率預測模型的比較[J];能源技術經濟;2011年06期

5 常鵬;高亞靜;張琳;李均強;;基于EEMD與時間序列法的短期風電場功率預測[J];電力科學與工程;2012年03期

6 張國強;張伯明;;基于組合預測的風電場風速及風電機功率預測[J];電力系統(tǒng)自動化;2009年18期

7 井天軍;阮睿;楊明皓;;基于等效平均風速的風力發(fā)電功率預測[J];電力系統(tǒng)自動化;2009年24期

8 徐曼;喬穎;魯宗相;;短期風電功率預測誤差綜合評價方法[J];電力系統(tǒng)自動化;2011年12期

9 王揚;張金江;溫柏堅;郭創(chuàng)新;曹一家;吳棟梁;;風電場超短期風速預測的相空間優(yōu)化鄰域局域法[J];電力系統(tǒng)自動化;2011年24期

10 戴浪;黃守道;黃科元;葉盛;;風電場風速的神經網絡組合預測模型[J];電力系統(tǒng)及其自動化學報;2011年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 ;Research on Image Segmentation and Feature Extraction of Freeway Roadside Landscape[A];第二十九屆中國控制會議論文集[C];2010年

2 楊萍;李學慶;蘇新新;牛玉貞;;基于圖切分的面向紡織印染圖案的分色算法[A];第四屆和諧人機環(huán)境聯(lián)合學術會議論文集[C];2008年

3 ;Online Clustering for Wind Speed Forecasting Based on Combination of RBF Neural Network and Persistence Method[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

4 ;Studies on Parameters of Loin-Eye Muscle of Hogs Carcass Using Image Processing Technology[A];農業(yè)工程科技創(chuàng)新與建設現(xiàn)代農業(yè)——2005年中國農業(yè)工程學會學術年會論文集第三分冊[C];2005年

5 李彬;榮學文;;改進在線極端學習機算法在太陽黑子預測中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

6 Xiao Cheng;Peng Guo;;Short-term Wind Speed Prediction Based On Support Vector Machine Of Fuzzy Information Granulation[A];第25屆中國控制與決策會議論文集[C];2013年

7 李彬;榮學文;;單隱層前向神經網絡在線學習算法綜述與性能分析[A];第25屆中國控制與決策會議論文集[C];2013年

8 蘇鵬宇;萬杰;劉金福;于達仁;;基于小波分解和ELMAN神經網絡的短期風速多尺度預測方法[A];2012電站自動化信息化學術和技術交流會議論文集[C];2012年

9 柳玉;曾德良;;基于最小二乘支持向量機和小波包變換的短期風速預測研究[A];2012電站自動化信息化學術和技術交流會議論文集[C];2012年

10 劉明鳳;修春波;;基于ARMA與神經網絡的風速序列混合預測方法[A];2013年中國智能自動化學術會議論文集（第四分冊）[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 宋軍;水交換模型的理論方法及應用研究[D];中國海洋大學;2010年

2 王敏;分布式電源的概率建模及其對電力系統(tǒng)的影響[D];合肥工業(yè)大學;2010年

3 陳志國;基于群體智能的機器視覺的關鍵技術研究[D];江南大學;2010年

4 劉建明;古代壁畫圖像保護與智能修復技術研究[D];浙江大學;2010年

5 崔衛(wèi)紅;基于圖論的面向對象的高分辨率影像分割方法研究[D];武漢大學;2010年

6 井艷軍;雙饋風電機組模型預測控制研究[D];沈陽工業(yè)大學;2011年

7 王彥春;基于過渡區(qū)的圖像分割技術研究[D];大連海事大學;2011年

8 韓非;藍莓機器視覺識別與標定技術研究[D];東北林業(yè)大學;2011年

9 韓鈺;基于紋理合成的圖像編碼算法[D];北京郵電大學;2011年

10 劉興杰;風電輸出功率預測方法與系統(tǒng)[D];華北電力大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李靜偉;基于共享近鄰的自適應譜聚類算法[D];大連理工大學;2010年

2 孫玉俠;數(shù)據(jù)挖掘中的譜聚類算法研究[D];中國海洋大學;2010年

3 周春鑾;二維卡通角色運動重用研究[D];浙江大學;2011年

4 崔希鵬;特定對象的發(fā)現(xiàn)與分割方法研究[D];電子科技大學;2011年

5 楊學鑫;改進的譜聚類圖像分割方法研究[D];西安電子科技大學;2010年

6 曹沛強;基于紋理合成的圖像修復算法研究[D];西安電子科技大學;2011年

7 孫翰墨;基于ARMA模型的風電機組風速預測研究[D];華北電力大學（北京）;2011年

8 李宇佳;考慮風電并網的短期負荷預測方法研究[D];華北電力大學（北京）;2011年

9 方江曉;短期風速和風電功率預測模型的研究[D];北京交通大學;2011年

10 魯坤;風電場短期風速預測與預測值的置信度檢驗[D];蘭州理工大學;2011年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃學良;劉志仁;祝瑞金;楊增輝;周贛;王朝明;季振亞;;大容量變速恒頻風電機組接入對電網運行的影響分析[J];電工技術學報;2010年04期

2 羅文;王莉娜;;風場短期風速預測研究[J];電工技術學報;2011年07期

3 邵t，

本文編號：1175499