[发明专利]一种基于支持向量机的风电场风速预测方法

摘要

本发明属于风能预测领域，尤其涉及一种基于支持向量机的风电场风速预测方法。本发明采用持续预测法，神经网络算法，以及基于时间序列和卡尔曼滤波的混合算法的风速预测值作为输入，实际风速值作为输出，并建立了线性组合预测模型，且以此为参照来分析基于最小二乘支持向量机的组合预测模型的预测性能。各模型的预测性能，采用预测平均绝对误差、平均平方误差、平均绝对百分比误差三个误差指标来比较分析。模拟风速数据进行仿真，利用各模型对风速进行短期预测，证明了本发明方法的有效性。仿真试验表明，组合预测模型能进一步提升风速预测精度，而且相较于传统线性组合预测模型，基于最小二乘支持向量机的组合预测模型具有比较大的精度优势。

主权项

一种基于支持向量机的风电场风速预测方法，其特征在于，所述方法的步骤为步骤1:对所选数据进行检验，对其进行适当的修补处理，并且对所选样本数据做归一化操作；构造风速样本集，形成历史风速序列数据；步骤2:根据构造的风速样本集，分别建立单项预测模型，并计算风速预测中的预测平均绝对误差、平均平方误差、平均绝对百分比误差三个误差评价指标；步骤3：对于步骤2中的各单项预测模型，利用模糊层次分析法计算权重，选取权重排序靠前的n种单项预测模型参与组合预测；n可取为3；步骤4:建立基于最小二乘支持向量机的风速组合预测模型，采用n种单项预测模型的预测值作为风速组合预测模型的训练输入，实际风速作为风速组合预测模型的训练输出，构造单项预测模型预测值与实际值的内在函数关系，从而构建组合模型的风速样本；步骤5:采用粒子群算法优化基于最小二乘支持向量机的风速组合预测模型中的惩罚因子C和核函数参数σ2，将最优的惩罚因子C和核函数参数σ2赋给支持向量机，并用步骤4中构建的风速样本对最小二乘支持向量机网络训练，建立优化的风速组合预测模型，分析和评价预测结果。