一种基于支持向量机回归的风电场风速预测方法与流程

技术特征：

1.一种基于支持向量机回归的风电场风速预测方法，其特征在于：一种基于支持向量机回归的风电场风速预测方法包括如下步骤：

步骤一、选取风电场采集的样本数据；

步骤二、根据样本数据确定样本训练集和测试集；

步骤三、对样本数据进行预处理；

步骤四、选择支持向量机回归核函数，确定SVM模型待寻优参数，得到最佳参数训练SVM模型；

步骤五、利用最佳参数训练SVM模型，预测未来时刻的风速值。

2.根据权利要求1所述一种基于支持向量机回归的风电场风速预测方法，其特征在于：所述步骤一中选取风电场采集的样本数据；具体过程为：

风电场采集的样本数据是在风电场设立测风塔，主要研究风力发电机组输出功率未来10分钟、30分钟和1小时的实时预测，时间分辨率均为10min；

选用风力发电机组采样间隔为10min的环境温度，风速和输出功率历史平均数据。

3.根据权利要求2所述一种基于支持向量机回归的风电场风速预测方法，其特征在于：所述步骤二中根据样本数据确定样本训练集和测试集；具体过程为：

选取风电机组某7天的实时运行数据，用N×3的矩阵表示，搭建回归预测模型；用前5天720个样本数据作为SVM模型的训练集，风力发电机组的功率定义为：

P_S＝1/2ρv³fC_p (1)

其中P_S为风力发电机组功率值，单位为W，ρ为空气密度，单位为kg/m³,v数为来流速度，单位为m/s，f为面积，单位m²，C_p为风能利用系数，指风力机从自然风能中吸取能量的大小程度。

4.根据权利要求3所述一种基于支持向量机回归的风电场风速预测方法，其特征在于：所述步骤三中对样本数据进行预处理；具体过程为：

(1)处理缺失数据，对于数据缺失的情况，采用线性插值法对其进行描述；

(2)数据归一化，计算公式如下：

Y＝(X-X_min)/(X_max-X_min) (2)

Y代表归一化后的值，X_max，X_min分别为原始输出参数X的最大值和最小值。

5.根据权利要求4所述一种基于支持向量机回归的风电场风速预测方法，其特征在于：所述SVM模型的训练集变为600×3的矩阵数据，测试集变为120×3的矩阵数据。

6.根据权利要求5所述一种基于支持向量机回归的风电场风速预测方法，其特征在于：所述步骤四中选择支持向量机回归核函数，确定SVM模型待寻优参数，得到最佳参数训练SVM模型；具体过程为：

所述的选择支持向量机回归核函数，确定SVM模型待寻优参数，不敏感系数ε值为10^-2，对惩罚因子C和RBF核函数参数σ进行寻优选取；使用交叉验证网格搜索法进行搜索，最终选出使训练模型误差最小的参数组合。

7.根据权利要求6所述一种基于支持向量机回归的风电场风速预测方法，其特征在于：所述步骤五中利用最佳参数训练SVM模型，预测未来时刻的风速值；具体过程为：

所述的输入样本测试数据，预测未来时刻的风速值，训练模型的输入量为上一时刻的风速、环境温度和输出功率，模型的输出量为下一时刻机组输出功率。从而使用直接法进行风电功率预测；通过训练集数据学习训练得到回归机模型，使用该模型可预测机组未来时刻的输出功率；

根据最优解构造预测函数：

$f\left(x\right)=\underset{x_i\∈SV}{\Σ}({\mathrm{\α}}_i-{\mathrm{\α}}_i^{*})K(x_i\·x)+b---\left(3\right)$

输入样本测试数据利用预测函数f(x)预测出下一时刻的风速值。