基于改進(jìn)遺傳算法尋優(yōu)的SVM風(fēng)能短期預(yù)測(cè)

【摘要】：風(fēng)能隨機(jī)波動(dòng)性的特征,嚴(yán)重影響了風(fēng)電場(chǎng)大規(guī)模并入電網(wǎng)后電網(wǎng)的穩(wěn)定安全運(yùn)行。因此,提高風(fēng)能(風(fēng)速,功率)短期的預(yù)測(cè)精度,對(duì)風(fēng)電場(chǎng)的實(shí)時(shí)調(diào)度、減少棄風(fēng),維持接入了風(fēng)電場(chǎng)電網(wǎng)的穩(wěn)定運(yùn)行具有重要意義。迄今為止,人們已對(duì)風(fēng)能短期預(yù)測(cè)做了大量研究,但預(yù)測(cè)結(jié)果仍不很理想。 本文針對(duì)現(xiàn)有方法的不足,綜合小波理論、遺傳算法、小生境算法、免疫算法、支持向量機(jī)等方法提出了一種基于改進(jìn)遺傳算法尋優(yōu)的SVM風(fēng)能短期預(yù)測(cè)方法。主要開展了如下的研究工作： 1)針對(duì)風(fēng)能數(shù)據(jù)序列具有隨機(jī)性的特點(diǎn),采用小波分析對(duì)風(fēng)能(風(fēng)速,功率)歷史數(shù)據(jù)進(jìn)行平穩(wěn)化處理,以降低風(fēng)能歷史數(shù)據(jù)中的噪聲信號(hào)。 2)采用小生境算法與標(biāo)準(zhǔn)遺傳算法結(jié)合的方式,改善標(biāo)準(zhǔn)遺傳算法在算法運(yùn)行中后期出現(xiàn)的未成熟收斂問題,并針對(duì)在小生境遺傳算法運(yùn)行過程中,小生境半徑值固定不變的情況,借鑒自適應(yīng)的思想,使得小生境半徑值隨著種群的更新而更新。 3)在小生境遺傳算法中引入疫苗因子的概念,通過疫苗因子引導(dǎo)小生境免疫遺傳算法中初始種群的產(chǎn)生以減少尋優(yōu)時(shí)間,提高尋優(yōu)速度,并考慮了隨著新數(shù)據(jù)樣本的引入,參數(shù)尋優(yōu)范圍和疫苗因子的實(shí)時(shí)更新問題。 4)在歷史數(shù)據(jù)的平穩(wěn)化處理和改進(jìn)的遺傳算法的基礎(chǔ)上,建立了基于改進(jìn)遺傳算法尋優(yōu)的SVM風(fēng)能短期預(yù)測(cè)模型。 為了驗(yàn)證本文提出的預(yù)測(cè)模型的有效性和通用性,以內(nèi)蒙古某風(fēng)場(chǎng)的風(fēng)速數(shù)據(jù)樣本和國(guó)內(nèi)某風(fēng)電場(chǎng)的功率數(shù)據(jù)樣本為例,利用本文所提模型對(duì)樣本分別進(jìn)行風(fēng)速、功率的短期預(yù)測(cè),并與其他預(yù)測(cè)方法進(jìn)行比較。結(jié)果表明本文提出的預(yù)測(cè)模型對(duì)風(fēng)速和功率的短期預(yù)測(cè)具有較高的預(yù)測(cè)精度和尋優(yōu)速度,方法具有良好的普適性和有效性。 【關(guān)鍵詞】：風(fēng)能預(yù)測(cè) 支持向量機(jī) 遺傳算法 小生境算法 免疫算法
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 課題研究的背景和意義11-13
• 1.1.1 課題研究的背景11-13
• 1.1.2 課題研究的意義13
• 1.2 風(fēng)電場(chǎng)風(fēng)速和功率預(yù)測(cè)的研究現(xiàn)狀13-16
• 1.2.1 國(guó)內(nèi)外風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)的研究現(xiàn)狀13-14
• 1.2.2 國(guó)內(nèi)外風(fēng)電場(chǎng)功率預(yù)測(cè)的研究現(xiàn)狀14-16
• 1.3 本文的研究?jī)?nèi)容及章節(jié)安排16-17
• 第二章 支持向量機(jī)17-24
• 2.1 統(tǒng)計(jì)學(xué)基礎(chǔ)17-18
• 2.2 支持向量回歸機(jī)18-22
• 2.2.1 線性支持向量回歸機(jī)18-21
• 2.2.2 非線性支持向量回歸機(jī)21-22
• 2.2.3 核函數(shù)22
• 2.3 支持向量回歸機(jī)的建模過程22-23
• 2.4 本章小結(jié)23-24
• 第三章 改進(jìn)的遺傳算法24-35
• 3.1 遺傳算法24-28
• 3.1.1 遺傳算法的主要過程24-27
• 3.1.2 遺傳算法的優(yōu)缺點(diǎn)27-28
• 3.2 小生境遺傳算法28-31
• 3.2.1 小生境算法28-29
• 3.2.2 小生境遺傳算法中L的選取29-30
• 3.2.3 改進(jìn)的小生境遺傳算法30-31
• 3.3 小生境免疫遺傳算法31-34
• 3.3.1 免疫疫苗31-32
• 3.3.2 小生境免疫遺傳算法中疫苗的提取與接種32-33
• 3.3.3 小生境免疫遺傳算法中疫苗的自動(dòng)更新33-34
• 3.4 本章小結(jié)34-35
• 第四章 預(yù)測(cè)模型的建立35-45
• 4.1 歷史數(shù)據(jù)的預(yù)處理35-38
• 4.1.1 多分辨率分析35-36
• 4.1.2 小波基的選擇36-37
• 4.1.3 dbN小波分解37-38
• 4.2 預(yù)測(cè)模型流程圖38
• 4.3 程序設(shè)計(jì)38-44
• 4.3.1 控制參數(shù)設(shè)置39
• 4.3.2 產(chǎn)生初始抗體39-40
• 4.3.3 計(jì)算擬合值40-41
• 4.3.4 計(jì)算適應(yīng)度值41
• 4.3.5 判斷41-42
• 4.3.6 小生境免疫遺傳尋優(yōu)運(yùn)算42-43
• 4.3.7 更新疫苗因子43-44
• 4.4 本章小結(jié)44-45
• 第五章 算例分析45-59
• 5.1 風(fēng)速算例分析45-51
• 5.1.1 風(fēng)速數(shù)據(jù)的初始處理45-46
• 5.1.2 建立風(fēng)速的短期預(yù)測(cè)模型46-51
• 5.2 功率算例分析51-58
• 5.2.1 風(fēng)電功率數(shù)據(jù)的初始處理52
• 5.2.2 建立風(fēng)電功率短期預(yù)測(cè)模型52-58
• 5.3 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-61
• 6.1 總結(jié)59-60
• 6.2 展望60-61
• 參考文獻(xiàn)61-64
• 致謝64-65
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文65

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

基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂突煦缦嗫臻g重構(gòu)的風(fēng)電功率短期預(yù)測(cè)    張宜陽(yáng);盧繼平;孟洋洋;嚴(yán)歡;李輝;

基于小波分解和微分進(jìn)化支持向量機(jī)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)    彭春華;劉剛;孫惠娟;

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

基于最小二乘支持向量機(jī)的風(fēng)速預(yù)測(cè)模型    曾杰;張華;

基于主成分分析與人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測(cè)    周松林;茆美琴;蘇建徽;

基于D-S證據(jù)理論的短期風(fēng)速預(yù)測(cè)模型    劉亞南;衛(wèi)志農(nóng);朱艷;孫國(guó)強(qiáng);孫永輝;楊友情;錢瑛;周軍;

基于實(shí)測(cè)數(shù)據(jù)分析的大型風(fēng)電場(chǎng)風(fēng)電功率預(yù)測(cè)研究    劉玉;

基于遺傳優(yōu)化的最小二乘支持向量機(jī)風(fēng)電場(chǎng)風(fēng)速短期預(yù)測(cè)    楊洪;古世甫;崔明東;孫禹;

基于蟻群優(yōu)化的最小二乘支持向量機(jī)風(fēng)速預(yù)測(cè)模型研究    曾杰;張華;

使用粒子群算法進(jìn)行特征選擇及對(duì)支持向量機(jī)參數(shù)的優(yōu)化    張俊才;張靜;

利用小波分析方法識(shí)別結(jié)構(gòu)模態(tài)參數(shù)    張華智;馮毅芳;

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

第二類Fredholm積分方程的小波解法    賈紅艷;

西南喀斯特地區(qū)近45年來氣候變化特征及趨勢(shì)    王鈞;蒙吉軍;

基于Haar小波變換和分塊DCT的人耳識(shí)別    趙海龍;穆志純;丁文魁;張霞;

基于小波包分析的旋轉(zhuǎn)機(jī)械故障診斷研究    石磊;王紅軍;吳國(guó)新;

基于支持向量機(jī)的短期風(fēng)速預(yù)測(cè)研究    王慧勤;

基于小波變換的微弱信號(hào)的檢測(cè)和提取    張超;李建軍;

基于離散小波變換的巖石SHPB測(cè)試信號(hào)去噪    劉希靈;李夕兵;洪亮;宮鳳強(qiáng);葉洲元;

基于小波變換和支持向量機(jī)的音頻分類    鄭繼明;邢峰;吳渝;李婧;

時(shí)頻域非參數(shù)密度估計(jì)的獨(dú)立成分分析    許海翔;叢豐裕;雷菊陽(yáng);史習(xí)智;

數(shù)據(jù)挖掘技術(shù)在電力負(fù)荷管理終端中的應(yīng)用    趙兵;

利用小波包分析提取信號(hào)分量    韓朝暉;

Warblet變換及其在信號(hào)處理中的應(yīng)用    李炳照;許天周;孫惠;

基于相似日聚類的徑向基神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)方法    朱鋒;周瑋;孫輝;

基于小波理論及ARIMA模型的短期棉花價(jià)格預(yù)測(cè)    李君華;王志堅(jiān);張立杰;陳雪;

小波分析和獨(dú)立分量分析在事件相關(guān)電位提取方面的應(yīng)用    徐彬鋒;羅小剛;黃茜;彭承琳;

基于時(shí)間序列法的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)研究    邵璠;孫育河;梁嵐珍;

小波理論在光纖陀螺系統(tǒng)靜態(tài)標(biāo)定中的應(yīng)用    滿春濤;劉曉慶;張禮勇;

一種用于評(píng)價(jià)PD信號(hào)去噪前后波形畸變情況的新參數(shù)    李玉蘭;唐炬;謝顏斌;張曉星;

小波視頻編碼與動(dòng)態(tài)碼率傳輸技術(shù)研究    王文答

分布式電源的概率建模及其對(duì)電力系統(tǒng)的影響    王敏

GOCE衛(wèi)星重力梯度測(cè)量數(shù)據(jù)的預(yù)處理研究    吳云龍

中國(guó)風(fēng)電產(chǎn)業(yè)融資問題研究    張伯松

統(tǒng)計(jì)建模方法的理論研究及應(yīng)用    劉春波

風(fēng)電場(chǎng)功率短期預(yù)測(cè)方法優(yōu)化的研究    楊志凌

圖像的稀疏字典及其應(yīng)用    易學(xué)能

微網(wǎng)系統(tǒng)的運(yùn)行優(yōu)化與能量管理研究    張穎媛

變形表面主動(dòng)輪廓建模理論與方法    張榮國(guó)

結(jié)構(gòu)健康監(jiān)測(cè)中的測(cè)點(diǎn)優(yōu)化布置方法研究    趙俊

基于小波變換理論與比值分析法的變壓器勵(lì)磁涌流識(shí)別的研究    楊焱麟

白鼠腦電信號(hào)遠(yuǎn)控采集處理系統(tǒng)的設(shè)計(jì)與研究    丁雷

正交小波變換支持向量數(shù)據(jù)描述方法在故障診斷中的應(yīng)用研究    李衛(wèi)鵬

高壓電纜局部放電檢測(cè)技術(shù)的研究    馮進(jìn)

仿生偏振光導(dǎo)航傳感器設(shè)計(jì)    陳文靜

巖土工程中的小波（包）分析理論及其應(yīng)用    廖艷程

溶解有機(jī)物三維熒光光譜結(jié)合多變量分析在赤潮藻識(shí)別中的應(yīng)用    呂桂才

基于小波收縮的圖像去噪    濮震宇

基于小波多分辨分析的圖像水印算法研究    顧霞芳

基于小波分析的圖像壓縮的研究    黃建偉

并網(wǎng)型大型風(fēng)電場(chǎng)風(fēng)力發(fā)電功率-時(shí)間序列的混沌屬性分析    王麗婕;廖曉鐘;高爽;冬雷;

基于遺傳優(yōu)化的支持向量機(jī)小時(shí)負(fù)荷滾動(dòng)預(yù)測(cè)    牛東曉;劉達(dá);陳廣娟;馮義;

基于組合預(yù)測(cè)的風(fēng)電場(chǎng)風(fēng)速及風(fēng)電機(jī)功率預(yù)測(cè)    張國(guó)強(qiáng);張伯明;

地區(qū)電網(wǎng)風(fēng)電場(chǎng)功率超短期預(yù)測(cè)方法    李智;韓學(xué)山;韓力;康凱;

基于脊波神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)    茆美琴;周松林;蘇建徽;

短期風(fēng)電功率預(yù)測(cè)誤差綜合評(píng)價(jià)方法    徐曼;喬穎;魯宗相;

電力負(fù)荷的模糊預(yù)測(cè)方法    張昊,吳捷,郁濱

基于支持向量機(jī)的中長(zhǎng)期電力負(fù)荷組合預(yù)測(cè)    肖先勇;葛嘉;何德勝;

用PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的母線負(fù)荷預(yù)測(cè)方法    彭信淞;賀輝;姚建剛;鐘立軍;梁文舉;王建;

基于模糊支持向量機(jī)方法的短期負(fù)荷預(yù)測(cè)    龔燈才,李訓(xùn)銘,李林峰

基于遺傳算法尋優(yōu)的PID控制及MATLAB仿真    牛理想;扈曉利;王高平;

基于改進(jìn)遺傳算法尋優(yōu)的SVM風(fēng)能短期功率預(yù)測(cè)    顏曉娟;龔仁喜;

混沌遺傳算法尋優(yōu)有約束旅行商路徑    孔令夷;

    

    

    

    

    

    

    

基于遺傳算法尋優(yōu)的PID控制技術(shù)研究    宋勝利;馮柯;左敦穩(wěn);王珉;

基于改進(jìn)遺傳算法尋優(yōu)的SVM風(fēng)能短期預(yù)測(cè)    顏曉娟