基于最小二乘支持向量機風(fēng)電機組的預(yù)測研究

【摘要】： 最小二乘支持向量機對非線性對象具有擬合和預(yù)測能力,風(fēng)力發(fā)電系統(tǒng)是一個非線性的復(fù)雜系統(tǒng),本文進(jìn)行最小二乘支持向量基礎(chǔ)理論在風(fēng)電機組中的應(yīng)用研究。針對風(fēng)力發(fā)電機組的風(fēng)輪進(jìn)行研究并建模仿真,得到風(fēng)輪動態(tài)特性曲線,并分析各種因素對風(fēng)輪輸出轉(zhuǎn)矩的影響,與BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對比,驗證最小二乘支持向量機優(yōu)越性能。基于功率系數(shù)模型的基礎(chǔ)上,提出風(fēng)力發(fā)電機組的智能變槳模型,預(yù)測高于額定風(fēng)速時,槳距角的變化。目前,國內(nèi)對風(fēng)速和發(fā)電量的短期預(yù)大多采用時間序列法和神經(jīng)網(wǎng)絡(luò)法,因此提出LS-SVM預(yù)測模型,利用實際數(shù)據(jù)模型的訓(xùn)練樣本和測試樣本,對風(fēng)速與發(fā)電量進(jìn)行24小時預(yù)報,同時建立粒子群優(yōu)化參數(shù)模型,PSO-LS SVM模型與標(biāo)準(zhǔn)模型輸出結(jié)果進(jìn)行對比,驗證PSO-LS SVM模型收斂性好,使LS-SVM模型為實際預(yù)報系統(tǒng)提供理論支持。 【關(guān)鍵詞】：風(fēng)輪 LS-SVM 槳距角 發(fā)電量預(yù)測 粒子群算法
【學(xué)位授予單位】：華北電力大學(xué)（北京）
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：TM614
【目錄】：

• 中文摘要3
• 英文摘要3-6
• 第一章 緒論6-13
• 1.1 研究背景6-7
• 1.2 國內(nèi)外風(fēng)力發(fā)電狀況7-11
• 1.2.1 國外風(fēng)力發(fā)電發(fā)展概況7-9
• 1.2.2 國內(nèi)風(fēng)力發(fā)電發(fā)展概況9-10
• 1.2.3 支持向量機在風(fēng)力發(fā)電中的發(fā)展10-11
• 1.3 課題內(nèi)容11-13
• 第二章 變槳距風(fēng)力發(fā)電機組的基礎(chǔ)理論及支持向量機理論13-22
• 2.1 變速風(fēng)力發(fā)電基礎(chǔ)理論13-15
• 2.1.1 風(fēng)力機的特性系數(shù)13-14
• 2.1.2 C_p特性曲線14-15
• 2.2 小樣本統(tǒng)計學(xué)習(xí)的基本理論15-20
• 2.2.1 VC維15-16
• 2.2.2 支持向量機算法16-18
• 2.2.3 SVM用于回歸18-20
• 2.3 最小二乘支持向量機20-21
• 2.4 本章小結(jié)21-22
• 第三章 基于LS-SVM的風(fēng)輪模型及運行特性分析22-30
• 3.1 引言22
• 3.2 葉素理論的風(fēng)輪建模原理22-24
• 3.3 基于LS-SVM的風(fēng)輪模型24-26
• 3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)24-25
• 3.3.2 網(wǎng)絡(luò)訓(xùn)練樣本的選取25-26
• 3.3.3 程序示例26
• 3.4 模型仿真結(jié)果及運行特性分析26-29
• 3.4.1 T-n曲線26-28
• 3.4.2 T-v和P-v曲線28-29
• 3.5 本章小結(jié)29-30
• 第四章 基于最小二乘支持向量機的變槳距預(yù)測研究30-35
• 4.1 引言30
• 4.2 基于LS-SVM的功率系數(shù)建模設(shè)計30-32
• 4.3 高于額定風(fēng)速下基于最小二乘支持向量機的槳距角預(yù)測32-33
• 4.4 仿真結(jié)果研究33-34
• 4.5 本章小結(jié)34-35
• 第五章 基于最小二乘支持向量機的短期風(fēng)速及發(fā)電量預(yù)報35-48
• 5.1 引言35
• 5.2 風(fēng)特性35-36
• 5.3 風(fēng)力機的空氣動力學(xué)36
• 5.4 LS-SVM網(wǎng)絡(luò)36-41
• 5.4.1 基于LS-SVM網(wǎng)絡(luò)進(jìn)行風(fēng)速預(yù)測的基本步驟36-38
• 5.4.2 實例分析38-41
• 5.5 短期發(fā)電量預(yù)報41-43
• 5.6 參數(shù)優(yōu)化43-47
• 5.6.1 粒子群優(yōu)化算法的思想43-45
• 5.6.2 粒子群優(yōu)化最小二乘支持向量機的構(gòu)建45
• 5.6.3 粒子群優(yōu)化參數(shù)的最小二乘支持向量機預(yù)測模型45-47
• 5.7 本章小結(jié)47-48
• 第六章 結(jié)論與展望48-50
• 6.1 結(jié)論48
• 6.2 研究工作的展望48-50
• 參考文獻(xiàn)50-53
• 致謝53-54
• 在學(xué)期間發(fā)表的學(xué)術(shù)論文和參加科研情況54

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

基于時間序列分析的風(fēng)電場風(fēng)速預(yù)測模型    丁明,張立軍,吳義純

時間序列與神經(jīng)網(wǎng)絡(luò)法相結(jié)合的短期風(fēng)速預(yù)測    蔡凱;譚倫農(nóng);李春林;陶雪峰;

基于最小二乘支持向量機的風(fēng)電場短期風(fēng)速預(yù)測    杜穎;盧繼平;李青;鄧穎玲;

基于支持向量機的風(fēng)速與風(fēng)功率預(yù)測方法研究    戚雙斌;王維慶;張新燕;

一種基于LS-SVM的特征提取新方法及其在智能質(zhì)量控制中的應(yīng)用    吳德會;

支持向量機在紙漿蒸煮過程Kappa值軟測量中的應(yīng)用研究    李海生,朱學(xué)峰

基于SVM和PSO的新型非線性模型預(yù)測控制    李濤;呂勇哉;陳鵬;

關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機    張學(xué)工

風(fēng)力發(fā)電機組功率曲線的驗證    馬平;劉昌華;

支持向量機的訓(xùn)練算法    李建民,張鈸,林福宗

風(fēng)電場風(fēng)速及風(fēng)電機組發(fā)電量的短期預(yù)報方法研究    李杏培

低于額定風(fēng)速運行下的風(fēng)輪特性及控制研究    唐寧寧

基于育種算法的SVM參數(shù)優(yōu)化    王東霞;張楠;路曉麗;

基于支持向量機的軟測量模型及應(yīng)用    陶秀鳳,唐詩忠,周鳴爭

支持向量機在糧食產(chǎn)量預(yù)測中的應(yīng)用    程偉;張燕平;趙姝;

基于最小二乘支持向量機的土壤含水量檢測的研究與分析    武素華;

基于化學(xué)成分檢測和SVM分類的茶葉品質(zhì)鑒定    陳念;沈佐民;

矯直機的自動故障預(yù)報技術(shù)    黃遠(yuǎn)順;

基于小波分析與神經(jīng)網(wǎng)絡(luò)的風(fēng)電場短期風(fēng)速預(yù)測    儲茂得;周松林;

SVM-KNN分類器在異常行為檢測中的應(yīng)用    林春麗;齊欣;王克成;

基于LS-SVM的光刻過程R2R預(yù)測控制方法    王亮;胡靜濤;

風(fēng)力發(fā)電機組偏航控制系統(tǒng)    張嘉英;王文蘭;蔡永剛;

基于核偏最小二乘的簡約最小二乘支持向量機及其應(yīng)用研究    宋海鷹;桂衛(wèi)華;陽春華;

基于支持向量機的旋轉(zhuǎn)機械多類故障識別研究    顧小軍;楊世錫;錢蘇翔;

支持向量機在齒輪智能故障診斷中的應(yīng)用研究    呂蓬;柳亦兵;馬強;魏于凡;

基于GA優(yōu)化的個人信用評估SVM模型    姜明輝;袁緒川;

風(fēng)力永磁同步發(fā)電機組的滑?？刂?nbsp;   陳堂賢;謝波;楊孔;王仁明;

領(lǐng)域知識關(guān)系對領(lǐng)域文本分類的影響    韓露;余正濤;鄧錦輝;章程;毛存禮;郭劍毅;

支持向量機在近紅外光譜檢測技術(shù)中的應(yīng)用研究    吳靜珠;劉翠玲;孫曉容;

基于支持向量機方法的過程操作員功能狀態(tài)分類    尹鐘;張建華;

基于峰值識別的改進(jìn)SVM用電需求預(yù)測    楊坤;紀(jì)志成;

基于核模糊C均值聚類和局部建模方法的煙氣含氧量軟測量模型    王偉;張航;羅大庸;

煤礦安全預(yù)警系統(tǒng)的方法研究    母麗華

自律計算系統(tǒng)的自律可信性評估研究    張海濤

零/低航速減搖鰭升力模型及系統(tǒng)控制策略研究    王龍金

混響干擾中的信號檢測技術(shù)研究    朱廣平

引線鍵合視覺檢測關(guān)鍵技術(shù)研究    孔凡芝

六自由度Stewart平臺分散智能控制研究    李晚龍

分布式電源的概率建模及其對電力系統(tǒng)的影響    王敏

柔性坐標(biāo)測量機空間誤差模型及最佳測量區(qū)研究    鄭大騰

基于統(tǒng)計學(xué)習(xí)的模式識別幾個問題及其應(yīng)用研究    王曉明

基于特征優(yōu)化和多特征融合的雜草識別方法研究    李先鋒

基于多源信息融合技術(shù)的板栗分級檢測方法研究    展慧

擬概率空間上等均值噪聲下統(tǒng)計學(xué)習(xí)理論的理論基礎(chǔ)    杜二玲

基于SVM的多類文本分類研究    李金華

Fisher和支持向量綜合分類器    安文娟

基于支持向量機的時間序列預(yù)測    姜成玉

兆瓦級風(fēng)機變槳系統(tǒng)研究    李文博

區(qū)間自適應(yīng)粒子群算法研究及其應(yīng)用    姜念

基于全矢高階譜的故障診斷方法及其應(yīng)用研究    李朋勇

既有預(yù)應(yīng)力混凝土梁橋剩余承載力評估方法研究    辛保兵

微生物發(fā)酵過程的建模與優(yōu)化控制研究    王巧立

風(fēng)能 寶貴的氣候資源    韓淑云;

基于GA-BP的敵空襲兵力出動量預(yù)測    路建偉;唐松潔;胡建輝;劉己斌;

基于時間序列分析的風(fēng)電場風(fēng)速預(yù)測模型    丁明,張立軍,吳義純

風(fēng)力發(fā)電系統(tǒng)控制策略研究    王豐收;沈傳文;劉偉;

風(fēng)電對電力系統(tǒng)運行的價值分析    雷亞洲,王偉勝,印永華,戴慧珠

變速恒頻風(fēng)力發(fā)電機組建模與仿真    李晶,王偉勝,宋家驊

國外風(fēng)力發(fā)電導(dǎo)則及動態(tài)模型簡介    雷亞洲,Gordon Lightbody

風(fēng)電功率預(yù)測技術(shù)綜述    谷興凱;范高鋒;王曉蓉;趙海翔;戴慧珠;

時間序列與神經(jīng)網(wǎng)絡(luò)法相結(jié)合的短期風(fēng)速預(yù)測    蔡凱;譚倫農(nóng);李春林;陶雪峰;

支持向量機的若干新進(jìn)展    王國勝,鐘義信

粒子群優(yōu)化算法的理論及實踐    張麗平

神經(jīng)網(wǎng)絡(luò)和證據(jù)理論集成的數(shù)據(jù)融合故障診斷方法研究    李沖祥

基于支持向量機的股市預(yù)測    陶小龍

基于AR-SVM的轉(zhuǎn)子故障診斷    張龍,熊國良,陳慧,李嶷

基于SVM的激光誘導(dǎo)熒光遙感識別海面溢油    陳海菊;安居白;劉建鑫;

基于支持向量機的輸電線路故障診斷分類    馬新明;韓占忠;劉平;

基于支持向量機的旋轉(zhuǎn)機械故障診斷研究    韓永章;

支持向量機在資源評價中的應(yīng)用研究    潘浪;單明霞;

大型變速風(fēng)力發(fā)電機組的風(fēng)速軟測量    張新房;徐大平;柳亦兵;楊錫運;

多因素支持向量機模型在江蘇省中長期電力負(fù)荷預(yù)測中的應(yīng)用    李之波;

基于RBF核函數(shù)的SVM在容量預(yù)測中的應(yīng)用    孫志華;沈小厚;

風(fēng)力發(fā)電機組的結(jié)構(gòu)及常識    楊膠溪

俄羅斯100kW風(fēng)力發(fā)電機組的研制    張國銘

基于可變風(fēng)險SVM模型的故障識別方法研究    司愛威;馮輔周;江鵬程;饒國強;王建;

面外均布荷載作用下砌體墻板破壞模式特征值提取的SVM方法    周廣春;潘登;

基于SVM的多波束測深數(shù)據(jù)濾波    邵杰;葉寧;容亦夏;

一種提高SVM分類精度的調(diào)制信號識別方法    王紅偉;董慧;

基于SVM和田口方法的石英撓性加速度計健壯性設(shè)計    于湘濤;周峰;張?zhí)m;魏超;

基于遞歸SVM的高光譜數(shù)據(jù)特征選擇算法研究    張睿;陳雪;馬建文;

基于SVM和數(shù)據(jù)融合技術(shù)的高速公路AID算法設(shè)計    蔡志理;姜桂艷;丁秋實;

支持向量機方法研究物質(zhì)結(jié)構(gòu)水溶解性關(guān)系模型    胡俊杰;周紅;周林軍;

多SVM分類器融合技術(shù)在高速公路AID中的應(yīng)用    蔡志理;姜桂艷;

A Tool Wear Predictive Model based on SVM    

風(fēng)電裝備“吹”出大產(chǎn)業(yè)    本報記者 姚學(xué)文　通訊員 任彬彬

風(fēng)力發(fā)電機組控制系統(tǒng)關(guān)鍵技術(shù)獲突破    

新能源面臨兩大困局普及亟待政策統(tǒng)籌    英蓮

湘電集團：攜關(guān)鍵技術(shù)乘“風(fēng)”而上    本報記者 馮濟武

發(fā)電集團“風(fēng)馳電掣”    記者 馬欽麟　實習(xí)生 楊珍

中石油首臺兆瓦級風(fēng)力發(fā)電機組在“遼河”下線    首席記者 呂紅麗

東汽第1000臺風(fēng)電機組下線    本報記者 李聯(lián)慧

中國國電集團總經(jīng)理朱永芃來連考察    通訊員 嚴(yán)維新 吉志強 記者 賀耀堂

北車風(fēng)電首臺風(fēng)力發(fā)電機組下線    記者 莊云鋒

啟東風(fēng)電每年減排20萬噸二氧化碳    張少峰

水平軸風(fēng)力發(fā)電機組風(fēng)輪葉片優(yōu)化設(shè)計研究    徐寶清

最小二乘支持向量機的若干問題與應(yīng)用研究    邢永忠

基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用    渠瑜

基于提升小波及SVM優(yōu)化的模擬電路智能故障診斷方法研究    宋國明

單分類支持向量機的學(xué)習(xí)方法研究    王洪波

基于支持向量機的農(nóng)產(chǎn)品生產(chǎn)關(guān)鍵控制點發(fā)現(xiàn)研究    王開義

兆瓦級垂直軸風(fēng)力發(fā)電機組的關(guān)鍵技術(shù)研究    葛俊旭

海上風(fēng)電機組系統(tǒng)動力學(xué)建模及仿真分析研究    王磊

支持向量機加速方法及應(yīng)用研究    曹葵康

風(fēng)力發(fā)電機組控制策略優(yōu)化與實驗平臺研究    劉軍

基于最小二乘支持向量機風(fēng)電機組的預(yù)測研究    崔瑜琦

盲抽取與SVM方法在地球化學(xué)異常下限提取中的應(yīng)用    曾玉祥

基于SVM的煤炭銷售分析預(yù)測系統(tǒng)的研究    楊飛

SVM及其擴展算法在圖像處理中的應(yīng)用研究    蔡磊

基于SVM的基因表達(dá)譜分析和函數(shù)集VC維研究    高潔

風(fēng)力發(fā)電機組的變槳距控制研究    李琴

變速變槳距風(fēng)力發(fā)電機組的滑模變結(jié)構(gòu)控制技術(shù)研究    王立軍

風(fēng)力發(fā)電機組綜合優(yōu)化選型方法研究    劉瑞軒

雙饋風(fēng)力發(fā)電機組及其低電壓穿越技術(shù)研究    吳建明

基于支持向量機（SVM）的火電電廠工程造價預(yù)測研究    武曉娟