發(fā)布時(shí)間：2017-11-27 16:22

  本文關(guān)鍵詞：結(jié)合回歸分析與改進(jìn)GA-SVR的風(fēng)機(jī)噪聲預(yù)測

  更多相關(guān)文章： 風(fēng)電機(jī)組 噪聲預(yù)測 回歸分析 支持向量機(jī) 遺傳算法

【摘要】：針對風(fēng)電機(jī)組噪聲測量過程復(fù)雜的狀況,研究IEC 61400-11風(fēng)電機(jī)組噪聲測量標(biāo)準(zhǔn),提出用非聲學(xué)參數(shù)對機(jī)組噪聲的A計(jì)權(quán)聲壓級進(jìn)行預(yù)測。分析基于遺傳算法的支持向量機(jī)回歸(GA-SVR)的不足并提出改進(jìn)措施,結(jié)合實(shí)際情況平衡了遺傳算法(GA)的終止條件,針對樣本特性會(huì)影響SVR預(yù)測精度的問題,提出采用回歸分析對樣本特性進(jìn)行處理。應(yīng)用統(tǒng)計(jì)軟件SAS完成了基于回歸分析的變量篩選,去除了變量間的共線性并實(shí)現(xiàn)了降維;再通過異常點(diǎn)診斷,剔除了數(shù)據(jù)中的強(qiáng)影響點(diǎn);最后將處理后的樣本引入改進(jìn)的GA-SVR建立預(yù)測模型。通過實(shí)測的風(fēng)電場數(shù)據(jù),應(yīng)用回歸分析、改進(jìn)的GA-SVR及兩者結(jié)合的方法進(jìn)行了噪聲預(yù)測,其中結(jié)合預(yù)測的方法精度最高,其預(yù)測結(jié)果的相對誤差平均值僅為0.775 7%,具有實(shí)際可行性。
【作者單位】： 新疆大學(xué)電氣工程學(xué)院;可再生能源發(fā)電與并網(wǎng)技術(shù)教育部工程研究中心;
【基金】：高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目(20136501120003) 教育部創(chuàng)新團(tuán)隊(duì)基金資助項(xiàng)目(IRT1285) 國家自然科學(xué)基金資助項(xiàng)目(51267017)
【分類號】：TM315
【正文快照】： 隨著風(fēng)電產(chǎn)業(yè)的快速發(fā)展,作為風(fēng)電機(jī)組選擇和風(fēng)電場選址重要指標(biāo)的噪聲,逐漸受到國內(nèi)外研究人員的重視[1]。Kuwano等[2]研究了風(fēng)電機(jī)組所產(chǎn)生的噪聲對周邊居民生活的影響。吳宏剛[3]針對風(fēng)電機(jī)組噪聲信號所包含的機(jī)組運(yùn)行信息,對噪聲參數(shù)聲壓級進(jìn)行了研究。Son等[4]針對噪聲制

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 章政;王曉佳;;基于最小一乘的GA-SVR用電量預(yù)測[J];電子科技大學(xué)學(xué)報(bào)(社科版);2013年06期

，

本文編號：1232462