基于时间序列与支持向量机的风电场风速预测研究.pdf

基于时问序列 支持向量机 白勺风电塌风速预测研究 周培毅，张新燕 (新疆大学电-z_r-~学院，新疆 乌鲁木齐 830008) 表达式为I1． O 引言 = 1 一 1一…一 ，， = 一0laf_l一…一Oqa, (1) 式(1)即记为ARMA~，q)。其 中，P、q为 自回归项 目前．可再生能源特别是风能的开发利用 已得 和移动平均项的阶数；参数 、。、为 自回归系数 ； 到世界各 国的高度重视 ，从技术成熟性和经济可行 0、02Oq为移动平均系数，是模型的待估参数；q为随 性看 风电在可再生能源中具有很好的发展前景 ，在 机项．、风速为随机变量，Box．Jenkins法是随机时间序 远期有可能成为世界重要的替代能源㈣ 。准确预测 列分析的主要方法之一 。风速是一个具有明显随机 风速可以减少电力系统运行成本，埘于电网调度和 性的序列，所以该方法中天『I变量是待预测的Jx速【，自 资源配置具有重要意义Ii。 变量是风速 一身的历史值I“l，，}_}j于风速和风力发电 目前，风速预测的方法有卡尔曼滤波法(Kalman 功率的预测 Box．Jenkins法利用大量的历史数据来 fihers)1I、时问序列法(timeseriesmethod)[、人T神经 建模，经过模型识别 、参数估计 、模型检验来确定一 网络法(ANN)、模糊逻辑法(fuzz)，logic)／等。随机时 个能够描述所研究时间序列的数学模型，冉南该模 间序列法建模所需信息少．运算方便，应用广泛，是 型推导li21随机时间序列模型的基木原理分述如下。 费用最少的风速预测模型。该方法仪需要最近几个 (1)广j回归模型AR(p) 小时的风速数据 ，就可对末来风速进行预测。随机时 (B)=嘶 (2) 间序列模型分为 自回归 R)模型、滑动平均(MA)模 式中：B为延迟算子， 一1；p为模型的阶数；为 型、自回归一滑动平均 (ARMA)模型等。本文选取 时问序列的当前值； 为随机干扰。 (B)=1一 B一 · ARMA和支持向量机这2种方法研究风速预测 B／，且要求满足平稳性条件 ：(B)=0的根全存单位 网外。在AR模型中，当前时刻的观测值H由过去p个 1 时间序列法预测风速的原理 历史时刻的观测值和一个当前时刻的随机干扰表示。 (2)滑动平均模型MA(q) 时间序列分析建模最大的优点在于不必深究信 = (B)q (3) 号序列的产生背景，序列本身所具有的时序件和 F1 式巾：q为阶数。 (B)=1—0一 一OqBq，并且要求满足可 相关性已经为建模提供了足够的信息_9l，这种方法 逆性条件 ：(B)=0的根全在单位阿外。在滑动平均模 只需单一风速时间序列即可预测，实现比较简单。 型中，当前时刻的观测值 由随机十扰的门噪声序 ARMA模型可 以理解为：序列当前值是现在和 列的线性组合表示。 过去的误差以及先前的序列值的线性组合，其数学 (3)fLl回归一滑动平均模~ARMA(p，q) 收稿 日期：2009—1l一15 基金项 目：水文受 q【家 自然科学基金项同、新魍 自治区教育厅科研资助项 口(XJEI)