本文關(guān)鍵詞：支持向量機(jī)在短期光伏發(fā)電功率預(yù)測(cè)中的應(yīng)用

  更多相關(guān)文章： 光伏發(fā)電 發(fā)電并網(wǎng) 預(yù)測(cè)模型 支持向量機(jī) 小波變換 數(shù)據(jù)融合

【摘要】：在全球環(huán)境污染和能源短缺等問(wèn)題日益加重的情況下,光伏發(fā)電因其高效、清潔、安全、便利等特質(zhì),作為一門(mén)新興產(chǎn)業(yè),得到世界各國(guó)關(guān)注。但隨機(jī)性及間歇性是光伏發(fā)電自身存在的一個(gè)問(wèn)題,大規(guī)模的光伏發(fā)電進(jìn)行并網(wǎng)勢(shì)必會(huì)對(duì)電力系統(tǒng)的各項(xiàng)指標(biāo)如電能質(zhì)量、穩(wěn)定安全等帶來(lái)挑戰(zhàn),將會(huì)制約光伏發(fā)電的長(zhǎng)久發(fā)展,而對(duì)光伏發(fā)電量進(jìn)行預(yù)測(cè)是解決該問(wèn)題的有效途徑。在此背景下,本文通過(guò)分析光伏發(fā)電功率的相關(guān)性數(shù)據(jù),采用基于支持向量機(jī)的方法對(duì)光伏發(fā)電功率進(jìn)行短期預(yù)測(cè)。支持向量機(jī)作為一種新型學(xué)習(xí)機(jī),它是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則,獲得實(shí)際風(fēng)險(xiǎn)最小值的機(jī)器算法,對(duì)小樣本、非線性、局部極小點(diǎn)和高維數(shù)等現(xiàn)實(shí)中的問(wèn)題有良好的解決能力,具有很強(qiáng)的泛化能力。本文基于支持向量機(jī)算法,針對(duì)短期光伏發(fā)電功率分別進(jìn)行了基于相空間重構(gòu)和支持向量機(jī)的預(yù)測(cè)1、基于小波變換和支持向量機(jī)的預(yù)測(cè)2和基于多源信息數(shù)據(jù)融合的預(yù)測(cè)3。預(yù)測(cè)方法1將歷史發(fā)電功率序列作為混沌序列進(jìn)行重構(gòu)后,利用支持向量機(jī)進(jìn)行預(yù)測(cè)；預(yù)測(cè)方法2針對(duì)光伏發(fā)電功率序列的不平穩(wěn)性,首先采用小波變換對(duì)原始功率數(shù)據(jù)進(jìn)行處理,將功率序列看作多個(gè)不同頻率分量的疊加,通過(guò)小波變換,得具有各自特征的序列,用支持向量機(jī)對(duì)各個(gè)序列分別進(jìn)行預(yù)測(cè),最終對(duì)各個(gè)預(yù)測(cè)值疊加得預(yù)測(cè)值；預(yù)測(cè)方法3基于數(shù)據(jù)融合的思想,將與光伏發(fā)電功率有關(guān)的氣象等信息都考慮到模型中,用支持向量機(jī)對(duì)氣象因素、歷史功率序列和相鄰機(jī)組功率序列進(jìn)行處理,提取特征信息值,然后采用神經(jīng)元網(wǎng)絡(luò)進(jìn)行融合得最終預(yù)測(cè)值。采用現(xiàn)場(chǎng)數(shù)據(jù)驗(yàn)證,并對(duì)預(yù)測(cè)效果進(jìn)行對(duì)比,所運(yùn)用的方法都能得到預(yù)測(cè)值,可有效減輕光伏發(fā)電的不平穩(wěn)性對(duì)電網(wǎng)帶來(lái)的不利影響。
【關(guān)鍵詞】：光伏發(fā)電 發(fā)電并網(wǎng) 預(yù)測(cè)模型 支持向量機(jī) 小波變換 數(shù)據(jù)融合
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TM615;TP18
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-16
• 1.1 課題研究背景11-12
• 1.2 課題研究意義12-13
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.4 主要研究?jī)?nèi)容14-15
• 1.5 本章小結(jié)15-16
• 第2章 基于支持向量機(jī)的光伏發(fā)電功率預(yù)測(cè)理論基礎(chǔ)16-29
• 2.1 光伏發(fā)電技術(shù)簡(jiǎn)介16-18
• 2.1.1 太陽(yáng)能光伏發(fā)電概念16
• 2.1.2 太陽(yáng)能光伏發(fā)電條件16-17
• 2.1.3 太陽(yáng)能光伏發(fā)電原理17-18
• 2.2 光伏發(fā)電功率影響因素18-19
• 2.3 預(yù)測(cè)方法及難點(diǎn)19-21
• 2.3.1 預(yù)測(cè)方法簡(jiǎn)介19-20
• 2.3.2 預(yù)測(cè)難點(diǎn)20-21
• 2.4 負(fù)荷預(yù)測(cè)的基本過(guò)程及誤差評(píng)價(jià)指標(biāo)21
• 2.5 支持向量機(jī)簡(jiǎn)介21-22
• 2.6 統(tǒng)計(jì)學(xué)相關(guān)理論22-23
• 2.6.1 VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則22-23
• 2.7 支持向量機(jī)理論23-28
• 2.7.1 基本支持向量機(jī)23-25
• 2.7.2 非線性支持向量機(jī)25-26
• 2.7.3 核函數(shù)26
• 2.7.4 支持向量回歸機(jī)26-28
• 2.8 本章小結(jié)28-29
• 第3章 支持向量機(jī)用于短期光伏發(fā)電功率預(yù)測(cè)29-32
• 3.1 基于支持向量機(jī)的預(yù)測(cè)算法29-30
• 3.1.1 預(yù)測(cè)算法流程29
• 3.1.2 支持向量機(jī)核函數(shù)的選擇29-30
• 3.2 算例分析30-31
• 3.3 本章小結(jié)31-32
• 第4章 基于相空間重構(gòu)和支持向量機(jī)的短期光伏發(fā)電功率預(yù)測(cè)32-40
• 4.1 相空間重構(gòu)理論32-34
• 4.1.1 相空間理論基礎(chǔ)32-33
• 4.1.2 相空間重構(gòu)C-C方法33-34
• 4.2 基于相空間重構(gòu)和支持向量機(jī)的預(yù)測(cè)算法34-35
• 4.3 算例分析35-39
• 4.3.1 源數(shù)據(jù)相空間重構(gòu)35-37
• 4.3.2 支持向量機(jī)參數(shù)尋優(yōu)37
• 4.3.3 功率預(yù)測(cè)37-39
• 4.3.4 預(yù)測(cè)效果評(píng)價(jià)39
• 4.4 本章小結(jié)39-40
• 第5章 基于小波變換和支持向量機(jī)的短期光伏發(fā)電功率預(yù)測(cè)40-47
• 5.1 小波變換理論40-41
• 5.2 預(yù)測(cè)算法概述41-42
• 5.3 算例分析42-46
• 5.3.1 小波分解和重構(gòu)42-43
• 5.3.2 參數(shù)尋優(yōu)43
• 5.3.3 各小波單支功率預(yù)測(cè)效果及最終預(yù)測(cè)效果43-46
• 5.3.4 預(yù)測(cè)效果評(píng)價(jià)46
• 5.4 本章小結(jié)46-47
• 第6章 一種多源信息融合的短期光伏發(fā)電功率預(yù)測(cè)47-57
• 6.1 信息融合47-49
• 6.1.1 信息融合的概念及特點(diǎn)47
• 6.1.2 信息融合的基本原理47-48
• 6.1.3 信息融合算法分析48-49
• 6.2 預(yù)測(cè)算法概述49-53
• 6.2.1 多源信息的選取49-52
• 6.2.2 預(yù)測(cè)模型的建立52-53
• 6.3 算例分析53-56
• 6.4 本章小結(jié)56-57
• 第7章 總結(jié)及展望57-59
• 7.1 總結(jié)57-58
• 7.2 展望58-59
• 參考文獻(xiàn)59-63
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果63-64
• 致謝64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機(jī)和小波分解的氣體識(shí)別研究[J];儀器儀表學(xué)報(bào);2006年06期

2 琚旭;王浩;姚宏亮;;支持向量機(jī)的一個(gè)邊界樣本修剪方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年07期

3 張菁華;袁鑫;劉達(dá);;基于支持向量機(jī)的電力工程最優(yōu)投標(biāo)報(bào)價(jià)決策研究[J];山東電力高等專(zhuān)科學(xué)校學(xué)報(bào);2006年04期

4 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2007年03期

5 王晶;靳其兵;曹柳林;;面向多輸入輸出系統(tǒng)的支持向量機(jī)回歸[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S2期

6 陳丹;;多類(lèi)支持向量機(jī)算法的研究[J];東莞理工學(xué)院學(xué)報(bào);2007年05期

7 程麗麗;張健沛;馬駿;;一種改進(jìn)的加權(quán)邊界調(diào)節(jié)支持向量機(jī)算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2007年10期

8 宋召青;崔和;胡云安;;支持向量機(jī)理論的研究與進(jìn)展[J];海軍航空工程學(xué)院學(xué)報(bào);2008年02期

9 郭濵;孫曉梅;薛明;;基于殼向量的邊界鄰近支持向量機(jī)[J];黑龍江交通科技;2008年12期

10 許超;運(yùn)士偉;舒云星;;基于支持向量機(jī)的混凝土測(cè)強(qiáng)換算模型[J];洛陽(yáng)理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 余樂(lè)安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估模型[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類(lèi)器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長(zhǎng)三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測(cè)膜蛋白類(lèi)型[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國(guó)第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：556723