SVM算法在风力发电机功率预测中的应用研究

江汉大学人工智能学院 陈 岩 周 晨 侯 群

风电功率的预测对风力发电系统具有重要意义，然而，风力发电的输出功率具有较大的波动性和间歇性，这对制定发电计划、调度运行带来了巨大的挑战。本文介绍了一种基于SVM算法对风电功率进行预测的方法，将风电功率的历史数据作为因变量，将其对应的影响风电功率的主要因素数据作为自变量，使用SVM回归方法建立预测模型，找出最佳的模型参数，将需要预测的数据自变量输入到模型中，有效并准确地预测出风电功率数据，预测准确度可达到94%以上。

随着地球环境的污染和不可再生资源的过度消耗，人们把更多的目光投在了可再生资源身上。风资源作为一种清洁能源，取之不尽，用之不竭，和目前常见的火力发电相比，没有污染排放，也没有煤炭资源消耗。中国作为风资源储量巨大的国家，装机量逐年提高，从保护环境和节约资源的角度来看，风力发电具有良好的未来发展前景。

风电功率是风力发电系统中最为重要的指标之一，然而，风电功率会受到风速、风向角等因素的影响，因此对风电功率预测的准确性成为了关键。

国外风电功率预测研究工作起步较早，比较有代表性的方法主要有：丹麦的Riso国家实验室的Prediktor预测系统、西班牙的LocalPred预测系统和德国AWPT预测系统等。其主要思想均是利用数值天气预测提供风机轮毂高度的风速、风向等预测信息，然后利用风电功率预测模块提供风电功率。……