姚海涛
- 作品数：11 被引量：176H指数：5
- 供职机构：东北电力大学更多>>
- 发文基金：中国电机工程学会电力青年科技创新项目更多>>
- 相关领域：电气工程动力工程及工程热物理理学自动化与计算机技术更多>>
- 基于Fast ICA和改进LSSVM的短期风速预测被引量：5
- 2014年
- 对风速的准确预测能有效减轻风电场对整个电网的不利影响,同时能提高风电场在电力市场中的竞争能力。首先提出一种基于快速独立分量分析算法和改进最小二乘支持向量机的风速预测模型,对运用fast ICA算法对风速时间序列进行多层分解,得到一系列的独立分量;然后运用改进最小二乘支持向量机模型对分解后的各独立分量风速进行预测;最后对各预测结果进行叠加作为最终的预测风速。算例结果表明,该预测模型能准确进行短期风速的预测。
- 孙斌姚海涛李田刘袖刘博
- 关键词：风速预测FASTICA算法最小二乘支持向量机
- 基于高斯过程回归的短期风速预测被引量：93
- 2012年
- 准确预测风速能有效减轻风电场对整个电网的不利影响,提高风电场在电力市场中的竞争能力。为了提高风速预测的精度,提出一种基于高斯过程(Gaussian processes,GP)的风速预测模型。首先运用自相关法和假近邻法分别求取风速时间序列的延迟时间和嵌入维数,进而对混沌风速时间序列进行相空间重构。其次运用GP模型对重构后的风速时间序列进行训练,同时在贝叶斯框架下,确定协方差函数中的"超参数"。最后利用训练好的GP模型风速时间序列进行预测,并与支持向量机、最小二乘支持向量机和BP神经网络进行比较。仿真结果表明,基于GP的风速预测模型具有很好的稳定性,能够满足预测精度的要求,具有很大的工程实际应用价值。
- 孙斌姚海涛刘婷
- 关键词：高斯过程相空间重构
- 一种短期风速预测方法
- 本发明是一种风电场风速时间序列预测方法，其特点是，包括的步骤有：利用风速采集仪器每隔一小时记录一次同一地区的风速数据，整理采集的原始风速数据，形成风速时间序列用于分析预测；运用局域均值分解算法对风速时间序列进行多尺度分解...
- 孙斌姚海涛李洪伟周云龙
- 基于混沌特性的风电场风速短期预测方法被引量：2
- 2013年
- 为了提高风电场风速短期预测的精确性,提出了基于混沌理论的径向基神经网络预测。通过对风速时间序列关联维数及Lyapunov指数的计算,证实了风速时间序列混沌现象的存在。几种典型的求取延迟时间和嵌入维数算法的预测结果对比表明,基于自相关法-假近邻法的相空间重构RBF神经网络的预测效果比较理想。将基于混沌理论的RBF神经预测方法同传统的Volterra级数预测方法相比较的仿真结果表明,基于混沌理论的RBF神经预测方法具有模型简单、预测精度高的优点。
- 孙斌姚海涛
- 关键词：相空间重构RBF神经网络VOLTERRA级数
- 一种风电场风速时间序列预测方法
- 本发明是一种风电场风速时间序列预测方法，其特点是，包括的步骤有：利用风速采集仪器每隔一小时记录一次同一地区的风速数据，整理采集的原始风速数据形成风速时间序列用于分析预测；运用快速独立分量分析算法对风速时间序列进行多尺度分...
- 孙斌姚海涛李洪伟周云龙
- 文献传递
- 一种风电场风速时间序列预测方法
- 本发明是一种风电场风速时间序列预测方法，其特点是，包括的步骤有：利用风速采集仪器每隔一小时记录一次同一地区的风速数据，整理采集的原始风速数据形成风速时间序列用于分析预测；运用快速独立分量分析算法对风速时间序列进行多尺度分...
- 孙斌姚海涛李洪伟周云龙
- 文献传递
- 基于PSO优化LSSVM的短期风速预测被引量：52
- 2012年
- 为了提高风电场风速短期预测的精确性,提出了基于粒子群算法优化最小二乘支持向量机的预测方法。首先求出风速时间序列的嵌入维数和延迟时间,进而对混沌风速时间序列进行相空间重构。利用粒子群算法对最小二乘支持向量机进行参数优化,然后利用优化后的最小二乘支持向量机模型对相空间重构后的风速时间序列进行预测,预测结果表明基于粒子群优化的最小二乘支持向量机的预测效果满足了精度要求。同时运用了支持向量机和BP神经网络模型进行预测,仿真结果表明,基于粒子群优化的最小二乘支持向量机预测方法具有预测精度高,预测速度快的优点,因此具有很高的工程实际应用意义。
- 孙斌姚海涛
- 关键词：最小二乘支持向量机粒子群算法相空间重构
- 基于ELMAN神经网络的短期风速预测被引量：3
- 2012年
- 为了提高风电场风速短期预测的精确性,本文提出了基于Elman神经网络的预测。首先求出风速时间序列的嵌入维数和延迟时间,进而对混沌风速时间序列进行相空间重构。然后利用Elman神经网络对相空间重构后的风速时间序列进行预测,预测结果表明基于Elman神经网络的预测效果满足了精度要求。本文同时运用BP神经网络进行预测。仿真结果表明,基于ELMAN神经网络的预测模型能够较为准确的进行短期风速的预测,具有很高的工程实际应用意义。
- 孙斌姚海涛齐城龙
- 关键词：ELMAN神经网络相空间重构BP神经网络
- 风电场风速时间序列的多重分形去趋势波动分析被引量：17
- 2014年
- 为探索风电场风速时间序列的标度不变性,采用多重分形去趋势波动分析方法(MF-DFA)对风速时间序列进行分析。通过计算广义Hurst指数、尺度函数、多重分形谱,细致量化了风速序列的局部和不同层次的波动奇异性,并考察了多重分形参数对风速预测的影响。研究结果表明:风速时间序列的波动具有长程相关性,且呈现显著多重分形特征;多重分形参数与风速变化存在一定的关联性,采用多重分形谱可在一定程度上对风速的变化趋势进行预测,且风速波动量越大,预测的结果越准确。
- 孙斌姚海涛
- 关键词：风电场风速
- 一种短期风速预测方法
- 本发明是一种风电场风速时间序列预测方法，其特点是，包括的步骤有：利用风速采集仪器每隔一小时记录一次同一地区的风速数据，整理采集的原始风速数据，形成风速时间序列用于分析预测；运用局域均值分解算法对风速时间序列进行多尺度分解...
- 孙斌姚海涛李洪伟周云龙
- 文献传递
