資源描述：
《基于時間序列與支持向量機(jī)的風(fēng)電場風(fēng)速預(yù)測研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于時問序列支持向量機(jī)白勺風(fēng)電塌風(fēng)速預(yù)測研究周培毅，張新燕(新疆大學(xué)電-z_r-~學(xué)院，新疆烏魯木齊830008)表達(dá)式為I1．O引言=1一1一?一，=一0laf_l一?一Oqa,(1)式(1)即記為ARMA~，q)。其中，P、q為自回歸項目前．可再生能源特別是風(fēng)能的開發(fā)利用已得和移動平均項的階數(shù)；參數(shù)、。、為自回歸系數(shù)；到世界各國的高度重視，從技術(shù)成熟性和經(jīng)濟(jì)可行0、02Oq為移動平均系數(shù)，是模型的待估參數(shù)；q為隨性看風(fēng)電在可再生能源中具有很好的發(fā)展前景，在機(jī)項．、風(fēng)速為隨機(jī)變量，Box．Jenkins法是隨機(jī)時間序遠(yuǎn)期有可能成為世界重要的替代能源
2、㈣。準(zhǔn)確預(yù)測列分析的主要方法之一。風(fēng)速是一個具有明顯隨機(jī)風(fēng)速可以減少電力系統(tǒng)運行成本，塒于電網(wǎng)調(diào)度和性的序列，所以該方法中『天I變量是待預(yù)測的Jx【速，自資源配置具有重要意義Ii。變量是風(fēng)速一身的歷史值I“l(fā)，，}_}j于風(fēng)速和風(fēng)力發(fā)電目前，風(fēng)速預(yù)測的方法有卡爾曼濾波法(Kalman功率的預(yù)測Box．Jenkins法利用大量的歷史數(shù)據(jù)來fihers)1I、時問序列法(timeseriesmethod)[、人T神經(jīng)建模，經(jīng)過模型識別、參數(shù)估計、模型檢驗來確定一網(wǎng)絡(luò)法(ANN)、模糊邏輯法(fuzz)，logic)／等。隨機(jī)時個能夠描述所研究時間序列的數(shù)
3、學(xué)模型，冉南該模間序列法建模所需信息少．運算方便，應(yīng)用廣泛，是型推導(dǎo)li21隨機(jī)時間序列模型的基木原理分述如下。費用最少的風(fēng)速預(yù)測模型。該方法儀需要最近幾個(1)廣j回歸模型AR(p)小時的風(fēng)速數(shù)據(jù)，就可對末來風(fēng)速進(jìn)行預(yù)測。隨機(jī)時(B)=嘶(2)間序列模型分為自回歸R)模型、滑動平均(MA)模式中：B為延遲算子，一1；p為模型的階數(shù)；為型、自回歸一滑動平均(ARMA)模型等。本文選取時問序列的當(dāng)前值；為隨機(jī)干擾。(B)=1一B一·ARMA和支持向量機(jī)這2種方法研究風(fēng)速預(yù)測B／，且要求滿足平穩(wěn)性條件：(B)=0的根全存單位網(wǎng)外。在AR模型中，當(dāng)前時刻的
4、觀測值H由過去p個1時間序列法預(yù)測風(fēng)速的原理歷史時刻的觀測值和一個當(dāng)前時刻的隨機(jī)干擾表示。(2)滑動平均模型MA(q)時間序列分析建模最大的優(yōu)點在于不必深究信=(B)q(3)號序列的產(chǎn)生背景，序列本身所具有的時序件和F1式巾：q為階數(shù)。(B)=1—0一一OqBq，并且要求滿足可相關(guān)性已經(jīng)為建模提供了足夠的信息_9l，這種方法逆性條件：(B)=0的根全在單位阿外。在滑動平均模只需單一風(fēng)速時間序列即可預(yù)測，實現(xiàn)比較簡單。型中，當(dāng)前時刻的觀測值由隨機(jī)十?dāng)_的門噪聲序ARMA模型可以理解為：序列當(dāng)前值是現(xiàn)在和列的線性組合表示。過去的誤差以及先前的序列值的線性組
5、合，其數(shù)學(xué)(3)fLl回歸一滑動平均模~ARMA(p，q)收稿日期：2009—1l一15基金項目：水文受【q家自然科學(xué)基金項同(50767003)、新魍自治區(qū)教育廳科研資助項口(XJEI)I2007105)資助。作者簡介：用堵毅(1983一)，男，新船I魯小齊人，壩十f究牛，研究方向為J~U．s發(fā)電與并網(wǎng)拽術(shù)特稿專逮EGAOZHUAND(B)：(B)q(4)是回歸允許的最大誤差，控制支持向量的個數(shù)和由AR、MA、ARMA模型描述的時間序列稱為平泛化能力，其值越大，支持向量越少。利用對偶原理，穩(wěn)時間序列。本文對風(fēng)速觀測數(shù)據(jù)序列建立自同同時引入拉格朗日乘
6、子和核函數(shù)，將式(9)轉(zhuǎn)化為：k歸一滑動平均模型。max一百1∑㈣㈣一∑+∑模型定階是指確定模型ARMA(p，q)中的p和g，i4'=1／=1／=1這也是建模過程中最復(fù)雜的部分。本文采用Pandi—，wu的建模方案[13】，即ARMA(p，P一1)，這樣問題就由s．t．／∑i-1(一)=0(1o)【原來的需定出p和92個參數(shù)變成只需定出一個參數(shù)P，大大簡化了計算過程。本文運用模型ARMA(3，2)此時，：E(ai-a3~(x)進(jìn)行短期風(fēng)速預(yù)測解上述凸二次規(guī)劃問題得到非線性映射表示：2支持向量機(jī)預(yù)測風(fēng)速原理[14])=(ai—a~K(x3+b(11)支
7、持向量機(jī)(SVM)的基本思想是通過刖內(nèi)積函對于時間序列。，?，Xn}，i=1，2，?，11,，{Xnl是數(shù)定義的非線性變換將輸入空問變換到一個高維空預(yù)測的目標(biāo)值，建立自相關(guān)輸入與輸出=}之間間，在這個高維空間中尋找輸入變量和輸出變量之的映射關(guān)系：尺m一，m為嵌入維數(shù)。間的一種非線性關(guān)系I。支持向量機(jī)回歸算法：給定對支持向量機(jī)進(jìn)行訓(xùn)練的回歸函數(shù)為：個樣本數(shù)據(jù)，其值表示為：，Yk}，式中∈R的1／,維：∑(a,-a3K(xW,>，+6(12)向量，Yk∈R為相對應(yīng)的輸}}l變量，[n1歸算法的基本l思想是通過一個非線性映射，將數(shù)據(jù)集映射到高：，n+1．?
8、．n維特征空間H，并在這個空間進(jìn)行線性回歸。具體的得到第一步預(yù)測為：函數(shù)形式可表示為：：∑(q一。，x—o-
