基于主成分分析法风电功率短期组合预测.pdfVIP

研 究 与开 发 基于主成分分析法的风 电功率短期组合预测 吴金浩 杨秀媛 孙 骏 (北京信息科技大学，北京 100192) 摘要 间歇性与不确定性是风力发 电的固有特性，在风力发 电迅速发展的背景下风 电功率预 测的重要性 日渐凸显。为了减少单一模型在个别预测点误差较大的情况，提高整体预测方法的预 测精度及相对误差率，本文采用反 向传播 (BP)神经网络 以及支持向量机 (SVM)两种基本模型 进行组合，并引入粒子群 (PSO)以及交叉验证 (CV)算法来优化模型中的参数。结合主成分分 析法 (PCA)对原始数据进行预处理，在不降低预测精度 的前提下，对原数据进行降维处理从而 提高运算效率。使用模型分别对未来 5天进行预测，结果表明组合预测模型的标准平均误差 (NMAE)、标准均方根误差 (NRMSE)都满足国内现行指标，而且预测精度 比单一模型有很大 提高，相对误差更加稳定，有效减少 了较大误差点的出现。实例研究表 明，基于主成分分析法的 风 电功率短期组合预测模型的可行性。 关键词：风功率预测；主成分分析法；BP神经网络；粒子群算法；支持向量机；组合预测 TheCombinationForecastingM odelforW indFarm PowerbasedonPCA Wu~nhao YangXiuyuan SunJun (BeringInformationScienceandTechnologyUniversity,Beijing 100192) Abstract IntermittencyanduncertaintylSthelnherentcharacteristicsofthewindpowerandin therapiddevelopmentofwindpowergenerationbackgroundtheimportanceofwindpowerforecasting iSbecomingmoreandmoreobvious．Inordertoreducetheerrorofhtesinglemodelandareimprovethe predictionaccuracyandrelativeerrorrateofthewholeforecastingmethod，thepapercombinetwobasic modelsofBPneuralnetworkandsupportvectormachine(SVM)，andintroducetheparticleswarm and crossvalidationtooptimizetheparameters．Theoriginaldataarepreprocessedbyprincipalcomponent analysis(PCA)．Inthepremiseoflittlereducingtheaccuracyofprediction，theoriginaldataisreduced to the dimension oftheoriginaldatato improvehteoperationeffi ciency．Theresultsshow thatthe NMAE andNRM SE Ofthecombined forecasting mode1meetthedomesticcurrentindex．And the accuracyofthemodeliSimproved andtherelativeerroriSmorestable．Thismethod can effectively reduce the appearance oflarge errors．In the final，these prove the feasibility ofthe combination forecastingmodelforwindfarm powerbasedonPCA． Keywords：windpowerforecast；principalcompone