基于经验模态分解与多步预测的最小二乘支持向量机的风速预测
详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文
摘要
由于风速信号是非线性、非稳定性的动态信号,用传统预测方法难以达到满意效果。为提高预测精度,提出了基于经验模态分解与多步预测的最小二乘支持向量机相结合的方法,对风速时间序列进行建模预测,即首先对风速动态信号进行经验模式分解,将原信号分解为若干个不同特征尺度(频率)的本征模态函数,然后对不同频带的平稳IMF分量分别建立多步预测的最小二乘支持向量机模型,将各分量的预测值等权求和得到最终预测值。实例分析结果表明,与单一的最小二乘支持向量机预测方法相比,经验模态分解与多步预测的最小二乘支持向量机相结合的风速预测方法误差小,可应用于风速预测中。
Wind speed signal is a nonlinear,unstable dynamic signal.The traditional prediction methods are difficult to achieve satisfied effect.In order to improve the prediction accuracy,a method based on empirical mode decomposition and multi-step least squares support vector machine is put forward to establish the model and forecast wind speed.Empirical mode decomposition is applied to decompose dynamic wind speed signal into several intrinsic mode functions with different characteristic scale(frequency).And then multi-step least squares support vector machine forecasting model corresponding to each stationary IMF component is built,and the final prediction result is the sum of each prediction component.The results of example analysis show that the error of the proposed method is smaller than that of single LS-SVM prediction method.So,the proposed method can be applied to wind speed forecasting.
引文
[1]潘迪夫,刘辉,李燕飞.风电场风速短期多步预测改进算法[J].中国电机工程学报,2008,28(26):87-91.
    [2]曾杰,张华.基于蚁群优化的最小二乘支持向量机风速预测模型研究[J].太阳能学报,2011,32(3):296-300.
    [3]王晓兰,李辉.基于EMD与LS-SVM的风电场短期风速预测[J].计算机工程与设计,2010,31(10):2 303-2 307.
    [4]曹丽青,林振山.基于EMD的HHT变换技术在长江三峡水库年平均流量预报中的应用[J].水文,2008,28(6):21-24.
    [5]刘奎建,丁志宏.基于EMD的北洛河天然年径流量变化特征分析[J].中国农村水利水电,2008(10):36-38.
    [6]王德意,杨卓,杨国清.基于负荷混沌特性和最小二乘支持向量机的短期负荷预测[J].电网技术,2008,32(7):66-71.
    [7]李志雄,沈繁銮,袁锡文,等.用小波变换和最小二乘支持向量机方法预测华南地震区年度最大地震[J].中国地震,2006,22(2):182-189.
    [8]贾嵘,蔡振华,康睿.基于最小二乘支持向量机的系统边际电价预测[J].高电压技术,2006,32(11):145-148.
    [9]张华,曾杰.基于支持向量机的风速预测模型研究[J].太阳能学报,2010,31(7):928-932.

版权所有:© 2021 中国地质图书馆 中国地质调查局地学文献中心