基于支持向量机的风速与风功率预测方法研究

被引:45
作者
戚双斌 [1 ]
王维庆 [2 ]
张新燕 [1 ]
机构
[1] 新疆大学电气工程学院
[2] 新疆大学科研处
关键词
支持向量机; 风电场; 风速; 风功率; 预测;
D O I
暂无
中图分类号
TK83 [风力机械和设备];
学科分类号
080703 ; 080704 ;
摘要
风力发电具有波动性、间歇性和随机性的特点,大容量的风力发电接入电网,对电力系统的安全、稳定运行带来严峻挑战。对风速风功率进行预测,对风电场的出力进行短期预报,是解决这一问题的有效途径。对风速风功率预测方法进行了研究,从物理和统计方法对SVM(支持向量机)预测方法作了分析,支持向量机在风速风功率预测中有非常大的应用空间,并进行了预测实验。
引用
收藏
页码:1600 / 1603
页数:4
相关论文
共 11 条
[1]  
基于支持向量机的股市预测.[D].陶小龙.北京工业大学.2005, 07
[2]   支持向量机在分类和回归中的应用研究 [J].
冼广铭 ;
曾碧卿 ;
冼广淋 .
计算机工程与应用 , 2008, (27) :134-136
[3]   支持向量机核函数选择的研究 [J].
朱树先 ;
张仁杰 .
科学技术与工程, 2008, (16) :4513-4517
[4]   三种方法在风速预测中的应用研究 [J].
韩爽 ;
杨勇平 ;
刘永前 .
华北电力大学学报(自然科学版), 2008, (03) :57-61
[5]   时间序列与神经网络法相结合的短期风速预测 [J].
蔡凯 ;
谭伦农 ;
李春林 ;
陶雪峰 .
电网技术, 2008, (08) :82-85+90
[6]   基于模式识别的风电场风速和发电功率预测 [J].
吴兴华 ;
周晖 ;
黄梅 .
继电器, 2008, (01) :27-32
[7]   支持向量机在时间序列预测中的应用 [J].
许葆华 ;
李洪儒 ;
年海涛 .
微计算机信息, 2008, (04) :253-254
[8]   风电功率预测技术综述 [J].
谷兴凯 ;
范高锋 ;
王晓蓉 ;
赵海翔 ;
戴慧珠 .
电网技术, 2007, (S2) :335-338
[9]   风电场出力短期预报研究综述 [J].
刘永前 ;
韩爽 ;
胡永生 .
现代电力, 2007, (05) :6-11
[10]   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