风电场短期风速的集成学习预测模型

风电场短期风速的集成学习预测模型
胡倩;陈红坤;孙志达
【期刊名称】《电力系统及其自动化学报》
【年(卷),期】2016(28)1
【摘要】准确的风电场风速预测对含大规模风电的电力系统安全稳定运行具有重要意义.针对时间序列法、卡尔曼滤波法、神经网络法等单一预测模型预测精度不高的问题,引入集成学习的分析方法,提出了一种基于Ada-boost算法改进的支持向量机(SVM)短期风速预测方法.该算法使用多个SVM模型通过加权累加得到最终输出,弥补了单一预测模型的缺陷.同时引入隶属度函数,通过赋予历史数据样本不同的权重来突出不同时间样本在预测模型中的差异性.以内蒙古风电场的实际采集数据为算例进行测试,结果表明模型预测精度显著提高,为实现更准确的在线短期风速预测提供了可能.
【总页数】4页(P1-4)
【作者】胡倩;陈红坤;孙志达
【作者单位】武汉大学电气工程学院,武汉430072;武汉大学电气工程学院,武汉430072;武汉大学电气工程学院,武汉430072
【正文语种】中文
【中图分类】TM835
【相关文献】
1.基于粗糙集和RBF神经网络的风电场短期风速预测模型 [J], 王莉;王德明;张广明;周献中
2.基于统计聚类与时序分析的风电场短期风速预测模型 [J], 陈勤勤;陈国初
3.新投产风电场的短期风速预测模型建立 [J], 陈欣;孙翰墨;申烛;孟凯锋;岳捷
4.基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型 [J], 李文良;卫志农;孙国强;完整;缪伟
5.基于经验模式分解的风电场短期风速预测模型 [J], 栗然;王粤;肖进永
因版权原因，仅展示原文概要，查看原文内容请购买。