基于数据挖掘技术的短期风速预测

【摘要】： 近年来,风力发电技术成为了一种极具利用潜能的可再生能源发电技术。本文结合国内外的研究现状和风速的特性,分别运用时间序列分析法和支持向量回归机法,对某风电场的短期风速预测进行研究分析,以期找到更精确的风速预测方法。 短期风速预测需要大量的历史数据作为研究样本,异常点的存在会增大数据序列的整体噪声,降低风速预测的精度。因此本文首先对异常点进行了查找和修正,以期保证数据的合理性和有效性。然后结合典型相关分析法对各个变量进行分析,得到了与风速相关性较大的几个变量,为更精确的风速预测做好前期准备。 在对原始数据进行了大量的统计分析及处理的基础上,论文分别利用时间序列分析和支持向量回归机对短期风速进行了预测。在运用时间序列分析对风速进行预测时,论文首先对风速序列进行平稳化处理、模型识别及参数检验,然后建立了风速预测模型,并据此进行短期风速预测。在运用支持向量回归机对风速进行预测时,论文利用Libsvm-2.88软件分别建立了? ?SVR和v ? SVR两个预测模型,并进行短期风速预测。结果表明, ? ?SVR模型的预测效果相对较好。 最后,论文对基于时间序列分析和支持向量回归机这两种模型的风速预测进行了比较分析,因为时间序列分析只考虑前期风速的历史数据进行预测,且模型比较简单,而支持向量回归机在预测时除了前期风速,还选择了几个相关性较大的变量。所以,基于支持向量回归机的预测方法得到了更好的预测结果。实验表明,运用支持向量回归机的方法进行短期风速预测结果相对更合理,精度更高。