基于混沌时间序列的支持向量机短期风速预测模型研究-电测与仪表.docVIP

基于混沌时间序列的支持向量机短期风速预测模型研究* 黄彦辉，王龙杰，杨薛明 （华北电力大学 能源动力与机械工程学院，河北 保定 071003） 摘要：风电场风速及风电功率预测技术是加强风电并网管理的关键措施之一。为了提高短期风速预测的精度，减小风电并网对电力系统的电能质量及其安全稳定运行带来的影响，提出了基于混沌时间序列的支持向量机短期风速预测模型。该模型针对风速混沌时间序列建模，并采用基于贝叶斯框架的最小二乘支持向量机对风速进行短期预测。仿真实验结果表明，该预测模型有效地提高了短期风速预测的精度。 关键词：风电并网管理；短期风速预测；混沌时间序列；最小二乘支持向量机 中图分类号：TM614 文献标识码：A 文章编号：1001－1390（2015）17－0000－00 hort term wind speed prediction model based on chaotic time series using support vector machine Huang Yanhui, Wang Longjie, Yang Xueming (School of Energy Power and Mechanical Engineering, North China Electric Power University, Baoding 071003, Hebei, China) Abstract: Wind speed and wind power forecasting technology are key measures to strengthen the grid-connected management of wind power. In order to improve the accuracy of short-term wind forecasting and reduce the impact of wind power grid-connection on power quality and the safe and stable operation of power system, a short term wind speed prediction model based on chaotic time series using support vector machine is proposed. In this model, short-term wind speed prediction is conducted by using least squares support vector machine under the Bayesian framework based on the modeling of chaotic time series of wind speed. Simulation results show that the proposed model can effectively improve the accuracy of short term wind speed prediction. Keywords: wind power grid-connected management, short-term wind speed forecasting, chaotic time series, least squares support vector machine 0 引 言 风能作为一种储量丰富、洁净环保、广泛分布的清洁能源，具有其它能源所不具备的潜力，而且目前具有极其有利的开发条件和广阔的发展前景。目前，开发和利用风能的主要形式是风力发电大规模并网。但风能具有间歇性、不可控性和波动性等特点，这会对整个电力系统的电能质量及其安全稳定产生严重的威胁。因此，要加强风电并网管理，而关键措施之一就是对风速进行短期预测。 目前，已有的风速预测方法主要分为物理模型法与时间序列法。物理模型法主要以数值天气预报系统(NWP)的预报结果作为参考，还要结合风力机的 性能参数及风电场周围的信息，模型复杂、计算量大；时间序列模型法基于统计理论，使用历史风速 数据便可建模进行预测。常用的预测法有：时间序列法[1-2]、卡尔曼滤波法[3-4]、人工神经网络法[5]、持续法、空间相关性法等。近年来，很多学者对于风速预测做了相关的研究[6-12]，但提出的方法很少引入混沌时间序列，混沌时间序列预测方法避免了预测的人为主观性和随机性，因此，本文尝试将混沌时间序列与支持向量机相结合。 本文在分析风速时间序列混沌动力学特性的基础上，建立了基于混沌时间序列的支持向量机短期风速预测模型