基于支持向量机的风电功率组合预测模型研究

发布时间：2021-05-08 05:46

　　工业革命以来,化石能源成为全球能源供应的支柱,强有力的推动社会的进步和世界经济的发展。随着科学技术的不断进步,化石能源的开采量和使用量日益增加,能源危机、环境污染等问题日益凸显,现如今寻找可再生的清洁能源成为人类发展的迫切需求。风能资源因其储量丰富、分布广泛和污染小等优点,已成为世界各国争相开发的目标。由于自然界中的风具有波动性和间歇性,风力发电在将风能转换为电能的过程中输出功率也存在较强的不确定性,大规模风电并入电网时会对电网的发电、变电、输电和配电等环节都产生影响,从而给电网运行的安全性带来挑战。风电功率预测技术能有效地解决这一问题,指导电网消纳更多的风电功率,提高风电并网时的安全性,因此研究风电功率预测技术对风力发电事业的发展有着很好的促进作用。本文首先分析了风电功率预测技术研究的背景、意义,和目前国内外的研究现状,并对风电功率预测方法分类做了详细说明。在目前常用的众多预测方法中,基于支持向量机的预测方法在解决小样本、非线性等问题上有很大的优势,因而应用广泛。但由于标准的支持向量机求解的是二次规划问题,计算量比较大,且预测结果易受参数选取的影响。针对支持向量机模型的参数惩罚因子C... 

【文章来源】：山东理工大学山东省

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 风电功率预测研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 风电功率预测技术
        1.3.1 风电功率预测的分类
        1.3.2 常用的风电功率预测模型
        1.3.3 风电功率预测评价指标
    1.4 本文的主要工作
第二章 基于支持向量机的风电功率预测
    2.1 统计学习理论
        2.1.1 VC维和推广性的界
        2.1.2 结构风险最小化
    2.2 支持向量机
        2.2.1 支持向量分类机
        2.2.2 支持向量回归机
        2.2.3 核函数
    2.3 实例仿真
        2.3.1 试验思路
        2.3.2 SVM参数选择
        2.3.3 选取风场数据
        2.3.4 风场数据预处理
        2.3.5 风电功率预测结果与分析
    2.4 本章小结
第三章 基于BAIPSO-SVM的风电功率组合预测
    3.1 蝙蝠算法
        3.1.1 蝙蝠算法的仿生原理
        3.1.2 基本蝙蝠算法的原理
    3.2 粒子群算法
        3.2.1 PSO算法的仿生原理
        3.2.2 标准PSO算法的原理
        3.2.3 改进的PSO算法
    3.3 BAIPSO算法优化支持向量机
    3.4 实例仿真
    3.5 本章小结
第四章 结合经验模态分解的风电功率组合预测
    4.1 经验模态分解
        4.1.1 经验模态分解的原理
        4.1.2 经验模态分解的步骤
        4.1.3 经验模态分解的特点
        4.1.4 经验模态分解的不足
    4.2 集合经验模态分解
        4.2.1 集合经验模态分解的步骤
        4.2.2 集合经验模态分解存在的问题
    4.3 具有自适应噪声的完全集合经验模态分解
    4.4 分解效果对比
    4.5 实例分析
        4.5.1 建立基于EMD及其改进方法的风电功率预测模型
        4.5.2 建立CEEMDAN-BAIPSO-SVM风电功率组合预测模型
    4.6 本章小结
第五章 总结与展望
    5.1 论文总结
    5.2 工作展望
参考文献
附录
在读期间公开发表的论文
致谢



本文编号：3174788