基于稀疏编码的短期风电功率时间序列预测

摘要：

针对短期风电功率时间序列,提出一类基于字典的稀疏编码预测方法.为构建预测模型,将历史风电功率时间序列数据组成具有时延的输入-输出数据对,其输入与输出数据向量以原子形式分别构成两个字典,无需模型的训练阶段.针对待预测的时延输入数据向量,使用l1范数或弹性网络正则化的稀疏分解凸优化算法计算稀疏编码的权值,进一步借助历史输出数据所构成的字典,以得到相应的预测输出.与此同时,还分析了将测试数据实时加入字典,并维持字典容量不变的三种自适应更新策略,以进一步提升模型的预测精度.为了验证该方法的有效性,将不同的稀疏编码方法首先应用于Santa Fe混沌时间序列预测中,其次,将其分别应用于短期风电功率间接预测中,在同等条件下,与SVM方法进行了比较.结果表明,不同的稀疏编码方法均取得了很好的预测效果,其中基于弹性网络正则化的稀疏编码方法具有较高的预测精度,显示出其有效性.

关键词：稀疏编码、算法、弹性网络正则化、风电功率、预测

所属期刊栏目：46

资助基金：国家自然科学基金项目资助51467008;兰州交通大学优秀科研团队项目资助201701

在线出版日期：2018-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：16-23