基于小波变换的ARMA-LSSVM短期风速预测

摘要：

对风电场风速的准确预测,可以有效减轻并网后风电对电网的影响,提高风电市场竞争力.提出将时间序列自回归滑动平均模型(Auto Regressive Moving Average,ARMA)与最小二乘支持向量机模型(Least Square Support Vector Machine,LS-SVM)相结合的混合模型短期风速预测方法.采用小波变换(Wavelet Transform,WT)方法将历史风速序列分解成具有不同频率特征的序列.根据分解后各分量的特点,对于低频趋势分量选取LS-SVM方法进行预测,而高频波动分量则选取ARMA模型进行预测,采用小波重构得到最终预测结果.仿真实例表明,不同的预测方法整体的预测精度不同,而混合模型预测的均方根误差最低为11.5％,与单一预测方法相比,混合模型提高了预测精度.

关键词：短期风速预测、小波变换、时间序列、最小二乘支持向量机

所属期刊栏目：45

分类号：TM614(发电、发电厂)

资助基金：国家高技术研究发展计划863计划资助项目2007AA041401;天津市高等学校科技发展基金资助项目2006ZD32

在线出版日期：2012-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：78-81