在线自适应LASSO罚向量自回归模型的风电功率预测

• 作者: 彭汝佳 王金甲
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 多元时间序列 风电功率预测 向量自回归模型 遗忘指数 坐标下降法 套索
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息与计算机技术
• 页码范围: 532-538,551
• 页数: 8页
• 分类号: TP391|TP182
• 字数: 4693字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2018.06.009

摘要

针对许多领域中普遍存在的非平稳多元时间序列的建模处理问题,提出了LASSO向量自回归模型的递推在线拟合方法,利用遗忘指数来实现模型的动态变化,并用循环坐标下降算法在线的对向量自回归模型进行系数估计.为证明模型的有效性,将其应用于风电场风电功率的预测,并以传统的向量自回归模型和分层向量自回归模型作为比较基准.根据实验结果表明,在线自适应LASSO向量自回归模型的预测精度高于传统的批量模型,通过系数矩阵图也可以看出,预测风电场临近的风电场对预测点存在一定程度的影响,但自身影响是最大的.将递归在线估计与LASSO向量自回归模型的结合应用于风电功率的预测,对于提高风电功率的预测精度以及改善风电系统工作效率有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金甲	燕山大学河北省信息传输与信号处理重点实验室	62	399	9.0	18.0
5	彭汝佳	燕山大学河北省信息传输与信号处理重点实验室	1	7	1.0	1.0