风电场短期风速预测研究

论文总字数：26602字

摘 要

本论文从分析风速的特性出发，对一些常用的风速预测模型进行简单探讨，分析各自特点。分析过程中，我们发现风速序列呈现以天为周期的周期性，当然风速也有比较大的随机性。我们发现小波变换能够将原始信号序列进行拆分，得到多个包含原始序列某些特征的信号子序列。

本文采用的预测模型将风速原始数据分解为几个有特点的子代代码，然后对各个子代码做模型评估，并且使用遗传算法寻找优良的参数，获取特定范围内的最优值。将这篇论文所讨论的支持向量机与小波变换结合的模型运用到一个利用风力发电的风场的历史数据分析测算，从测算得到的结论中可以看出，这种混合模型与单纯使用支持向量机模型来比较更加精确，体现了显著的优越性。

关键词：风速预测；小波变换；支持向量机；遗传算法优化；混合预测模型。

Name：Hu Junyi

Student ID：03013333

Instructor：Shen Jianxian

Short-term Prediction of Wind Speed

ABSTRACT

Firstly, I analyzes some of the characteristics of the wind,and then draws a rough discussion on the usual characteristics of wind speed prediction model.We found that wind sequence having periodicity day cycle,of course it has randomness and other features.By researching the wavelet transform in time-frequency localization characteristics,we found that the wavelet transform can decompose the original signal sequence into several sub-sequence that contains certain characteristics.

This paper will use the model to predict the wind speed.Wind speed original data sequence will be decomposed into several sub-sequence contains certain characteristics.And then each sub-sequence will use SVM structural model to predict,and the genetic algorithm will be used on the SVM parameter optimization,in order to obtain the optimal data within a specific range.Applied the wavelet transform and support vector machine combined model that discussed in this paper to predict the history of a wind farm wind speed data,from which the prediction results can be easily seen,the hybrid model compared to that use SVM only model has better accuracy,which reflects significant advantages.

KEY WORDS:Wind Speed Forecasting;Wavelet Transform;Support Vector Machine; Genetic Algorithm Optimization;Hybrid Prediction Model.

目 录

第一章 绪论 1

1.1风电场短期风速预测的意义和目的 1

1.2风电场风速特性分析 3

1.2.1 风与风速 3

1.2.2 风速分布 3

1.3风力发电 3

1.4当前风速预测发展概况 4

1.5本论文主要工作 5

第二章 小波变换理论及其在风速预测中的应用 6

2.1小波分析理论 6

2.1.1 小波分析理论发展的历史 6

2.1.2 小波分析基本理论 7

2.1.3常用小波函数及性质 7

2.1.4多分辨率分析 8

2.2小波分析在风速预测中的应用 10

第三章 遗传算法（GA）对支持向量机参数择优 11

3.1遗传算法（GA）的基本概念 11

3.2简单的遗传算法（GA） 11

3.2.1选择 11

3.2.2交换 12

3.2.3变异 12

3.3遗传算法的特点 13

3.4遗传算法的应用 13

3.4.1函数优化 13

3.4.2组合优化 13

3.5遗传算法参数寻优在风速预测上的应用 14

第四章 支持向量机（Support Vector Machine,SVM）相关理论 15

4.1 SVM的产生与发展 15

4.2 SVM相关理论 15

4.2.1 结构风险最小化 15

4.3 SVM原理 16

4.3.1最优分类面和广义最优分类面 16

4.3.2 SVM的非线性映射 17

4.3.3 核函数 18

4.3.4 SVM回归模型 18

4.4 SVM的回归算法 20

第五章 风电场短期风速预测仿真模型建立 21

5.1本文风速预测模型 21

5.1.1小波变换 21

5.1.2使用遗传算法进行支持向量机参数择优 22

5.1.3 -支持向量机（-SVR） 22

5.1.4支持向量机类型的选定、核函数的确定以及各个参数的确定 23

5.2风速预测误差分析指标 24

第六章 模型预测结果分析 25

第七章 总结 29

参考文献 30

致 谢 31

1. 绪论

1.1风电场短期风速预测的意义和目的

随着全球气候不断变暖，环境不断恶化，以及化石能源逐步枯竭，人类对于清洁的可再生的能源开发利用的越来越重视。清洁能源首打的是什么，是太阳能，由太阳辐射转化而来的风力蕴能也是绿色环境友好的，不像化石燃料那般高排放、污染严重。21世纪的人类发展必定要走可持续的道路，这就需要用上风能这样广分布、大储量、易利用的清洁能源。

众所周知，我国人口众多，带来的能源问题就不容小觑，我们既有着丰厚的资源储藏，又有着高昂的能源消费。风能，来自大气运动，没有污染，可以二次可再生，发展风电有利于我们人类的可持续发展。既然是清洁能源，国家自然大力投入资金，风电总的装机容量年年攀升。风电自然带来了良好经济和环保效益，但同时也影响着电力系统是否平衡稳定。能够准确预测风能资源的分布和变化情况将对电网负荷调度和电力系统的稳定性有很大的帮助。准确预测风能资源也将对建立风电为主的微电网和智能电网的发展有很大的推动作用。

在2016年2月16日，2016中国风电方面的总的装机容量统计简报由权威的中国风能协会公布。我们通过数据得知，2016年，风电方面，有25家整机制造商有新增装机，其新增容量为2337万千瓦。全国（除台湾地区外）新增装机容量达到2337万千瓦；总体看来，我国累计装机容量已至1.69亿千瓦。

剩余内容已隐藏，请支付后下载全文，论文总字数：26602字