基于卡尔曼滤波和支持向量机的 风电功率实时预测研究

• 作者: 杨茂 林思思 江博 黄宾阳
• 来源期刊: 东北电力大学学报
• 学科: 工学
• 关键词: ARIMA 卡尔曼滤波 SVM 实时预测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 电力系统
• 页码范围: 45-51
• 页数: 7页
• 分类号: TM614
• 字数: 4201字
• 语种: 中文

摘要

为了提高风电场风电功率实时预测精度,并为风电场输出功率的合理调度提供参考依据,提出了一种基于滚动的自回归积分滑动平均模型(ARIMA)和支持向量机(SVM)相结合的卡尔曼融合预测模型.通过对风电功率序列进行分析得出ARIMA模型,用其作为卡尔曼滤波的状态方程.再用SVM预测得出观测方程,用卡尔曼滤波将二者结合起来实现融合多步预测.具体的实例分析中采用了国家能源局的评价指标对预测精度进行评价.通过预测结果可以看出,融合预测算法中可以实现预测误差相互抵消的状况,减少了误差累积,提高了预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨茂	东北电力大学电气工程学院	66	549	13.0	20.0
2	江博	东北电力大学电气工程学院	5	32	2.0	5.0
3	黄宾阳	东北电力大学电气工程学院	2	25	1.0	2.0