1、風(fēng)能隨機波動性的特征,嚴(yán)重影響了風(fēng)電場大規(guī)模并入電網(wǎng)后電網(wǎng)的穩(wěn)定安全運行。因此,提高風(fēng)能(風(fēng)速,功率)短期的預(yù)測精度,是實現(xiàn)電力部門對風(fēng)電場的實時調(diào)度、減少棄風(fēng),維持接入了風(fēng)電場電網(wǎng)的穩(wěn)定運行等目的的主要手段。
　　本文主要研究了通過對遺傳算法的改進,尋找到建立更符合數(shù)據(jù)樣本的支持向量回歸機的相關(guān)參數(shù),以提高支持向量回歸機的預(yù)測精度。預(yù)測方法:首先,利用小波分析方法處理非平穩(wěn)歷史數(shù)據(jù),以期得到不同頻率的分解序列來分別建模;其次,通

2、過小生境算法,免疫算法與標(biāo)準(zhǔn)遺傳算法相結(jié)合的方式來提高遺傳算法的尋優(yōu)精度和速度;在此基礎(chǔ)上,建立了各個分量的SVM短期預(yù)測模型;最后,以內(nèi)蒙古某地區(qū)的小時風(fēng)速數(shù)據(jù)和國內(nèi)某風(fēng)電場的功率數(shù)據(jù)為樣本,運用MATLAB進行仿真,利用本文提出的預(yù)測模型對風(fēng)速和功率進行短期預(yù)測。
　　仿真結(jié)果證明了本文對遺傳算法進行改進的有效性,同時,相較于利用遺傳算法尋優(yōu)的支持向量機的預(yù)測模型,本文提出的預(yù)測模型可進一步提升風(fēng)速和功率的預(yù)測精度,具有比較大