基于支持向量机的风速预测模型研究

被引:46
作者
张华
曾杰
机构
[1] 华北电力大学可再生能源学院
关键词
支持向量机(SVM); 风速预测; 短期预测;
D O I
10.19912/j.0254-0096.2010.07.026
中图分类号
TK81 [风能];
学科分类号
080703 ; 080704 ;
摘要
由于风速的随机性很大,风速大小的影响因素较多,风速预测的准确度不高。针对这种现象,该文基于支持向量机(SVM)理论,结合风速资料,建立支持向量机(SVM)预测模型来进行短期的风速预测,由支持向量机预测模型得到的预测风速与实际风速基本一致,预测效果较理想,预测的平均绝对百分比误差为10.07%,验证了支持向量机预测模型在风速短期预测中的可行性。
引用
收藏
页码:928 / 932
页数:5
相关论文
共 9 条
[1]   基于支持向量机的中长期电力负荷组合预测 [J].
肖先勇 ;
葛嘉 ;
何德胜 .
电力系统及其自动化学报, 2008, (01) :84-88
[2]   基于支持向量机的外贸出口预测 [J].
肖智 ;
陈婷婷 .
科技管理研究, 2006, (07) :231-234
[3]   大型变速风力发电机组的风速软测量 [J].
张新房 ;
徐大平 ;
柳亦兵 ;
杨锡运 .
太阳能学报, 2006, (04) :321-325
[4]   基于SVR增量学习算法的变桨距风力机系统在线辨识 [J].
林勇刚 ;
李伟 ;
崔宝玲 .
太阳能学报, 2006, (03) :223-229
[5]   风电场短期风速预测探讨 [J].
吴国旸 ;
肖洋 ;
翁莎莎 .
吉林电力, 2005, (06) :21-24
[6]   基于支持向量机的复杂时间序列预测研究 [J].
曲文龙 ;
樊广佺 ;
杨炳儒 .
计算机工程, 2005, (23) :1-3
[7]   支持向量机研究 [J].
崔伟东 ;
周志华 ;
李星 .
计算机工程与应用, 2001, (01) :58-61
[8]   Short-term forecasting of wind speed and related electrical power [J].
Alexiadis, MC ;
Dikopoulos, PS ;
Sahsamanoglou, HS ;
Manousaridis, IM .
SOLAR ENERGY, 1998, 63 (01) :61-68
[9]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297