文献类型：期刊文章

作　　者：李应求[1] 安勃[1] 李恒通[2]

LI Yingqiu;AN Bo;LI Hengtong(School of Mathematics and Statistics,Changsha University of Science and Technology,Changsha 410114,China;Faculty of Science,National University of Singapore,Kent Ridge 119077,Singapore)

机构地区：[1]长沙理工大学数学与统计学院,湖南长沙410114 [2]新加坡国立大学理学院,新加坡肯特岗119077

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(11731012,11571052);湖南省自然科学基金项目资助(2018JJ2417)~~

年　　份：2019

卷　　号：47

期　　号：23

起止页码：65-73

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：风速预测精度的提高,对降低风力发电成本、合理安排风场选址等方面有着积极作用。使用DBSCAN聚类对所有数据进行去噪处理,选择最合适的风速数据序列进行实证研究。首先,针对风速数据序列具有混沌性而对预测结果产生影响的问题,采用C-C法确定相空间重构中所需参数。与此同时,结合混沌理论建立混沌支持向量机模型,用以预测未来24 h的风速值。之后,将该模型与EGARCH模型以及具有外生输入的非线性自回归网络(NARX)模型的预测结果进行对比。最后,根据各预测模型的RMSE和MAPE精度对模型预测效果进行评估。结果表明:基于混沌时间序列的支持向量机模型对NWTC m2气象站所在地风速具有最佳预测效果。

关 键 词：风速短期预测  混沌特性  时间序列 EGARCH NARX  支持向量机

分 类 号：G63[教育学类]