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:
PS=1/2ρv3fCp (1)
其中PS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,Cp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-Xmin)/(Xmax-Xmin) (2)
Y代表归一化后的值,Xmax,Xmin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:
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。