基于混合分解技术的鲁棒极限学习机的风速预测

提出一种基于混合分解技术的改进鲁棒极限学习机的风速预测模型。混合分解技术的特殊性在于采用变分模态分解,把互补集合经验模式分解所产生的高频固有模态函数进一步分解为多个模态分量,以提高短期风速预测的精度。然后对混合分解技术分解得到的全部风速分量分别建立鲁棒极限学习机模型进行预测,并采用一种改进鲸鱼优化算法对鲁棒极限学习机的参数进行微调。最后,根据西班牙某-风电场实际风速数据进行风速多步短期预测。实验结果表明:基于混合分解技术和改进鲸鱼优化算法优化鲁棒极限学习机的组合预测模型在风速预测.中取得较好的预测效果。     

基于奇异谱分析和极限学习机的风速多步预测

风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。     

基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

基于二层分解技术的短期负荷预测研究

钢铁用户的增多会使地区含有大量的冲击负荷,传统的预测方法难以捕捉该地区的负荷变化规律,预测精度不足。为提高含大量负荷地区的负荷预测的精度和泛化性,提出一种基于可变模式分解与奇异谱分析相结合的二层分解技术(VMD-SSA)和改进鲸鱼算法(IWOA)优化极限学习机(ELM)的短期负荷预测模型。通过实例证明,相比于其它模型,所提混合模型能充分掌握负荷的变化规律,有效提高了含大量负荷地区的负荷预测的精度和泛化能力。     

基于最优正则极限学习机的变压器故障诊断

针对基于极限学习机的变压器故障诊断模型隐含层神经元个数较多时,存在过拟合、稳定性差以及精确度不高的问题,提出了一种最优正则极限学习机的变压器故障诊断方法。方法收集了变压器油中溶解气体作为故障指标,将采集的数据集合随机分成训练集、验证集和测试集。首先通过训练集对极限学习机故障诊断模型进行训练;其次,将验证集输入已构建的模型,利用验证集精度与训练精度的差值进行反馈,并引入最优正则系数对模型参数进行惩罚性调整;最后,利用更新后模型对测试集进行故障诊断。通过算例分析与比较可以得出,最优正则系数极限学习机比极限学习机稳定性强,精确度高,并且方法简单,计算速度快,可有效实现变压器故障诊断。     

基于IBES-XGBoost的高速铁路沿线风速预测模型

为保证高速铁路沿线风灾预警信息具有较高时效性，需要进行高速铁路沿线超短期风速的提前多步预测。针对众多预测模型在预测中可能存在较大误差的问题，采用Tent混沌映射和BFGS拟牛顿法对秃鹰搜索算法进行改进，并用改进的秃鹰搜索算法(IBES)对XGBoost的初始参数进行优化。在构建IBES-XGBoost模型时，加入风速以外的其他气象特征，以提高预测精度。实验结果表明：(1)改进的秃鹰算法相比其他智能优化算法有更好的寻优能力，与其他模型相比IBES-XGBoost在超短期风速的提前多步预测上有着较高的精度和较好的拟合效果。(2)Tent混沌映射和BFGS拟牛顿法对秃鹰算法有着较好的改进效果。(3)IBES-XGBoost能为高速铁路规范下的大风预警提供可靠的提前多步预测结果。     

光伏出力的模糊区间预测

针对光伏输出功率的点预测精度不足、传统支持向量机(SVM)在参数优化方面存在的固有缺陷等问题,根据模糊信息粒化理论和纵横交叉算法,提出一种基于CSO-SVM和模糊信息粒化理论的光伏出力模糊区间预测方案。结果表明:该方案可以得到较好的点预测值及其置信区间,某种程度上解决了传统点预测结果的信息局限性。     

基于相空间重构和独立分量分析的火灾预测

利用非线性动力学的相空间重构理论和独立分量分析,结合非线性支持向量回归,提出了火灾起数时间序列预测方法。首先用时间延迟法和独立分量分析重构系统的相空间来反映火灾起数时间序列的内在变化规律,然后再用非线性支持向量回归来构建预测模型。仿真结果表明该预测方法具有较高的预测精度。     

基于改进模糊聚类法和CPSO.-ISSVM的母线负荷预测

针对大型冶金企业专用母线负荷种类多、分布不均、规律性弱等特点,利用自组织特征映射神经网络(self-organizing feature map, SOM)对模糊聚类法进行改进,以选择待预测日的相似日,通过db4小波对相似日负荷数据进行分解、去噪和重构处理后作为后期预测模型的训练样本;采用混沌粒子群算法(chaos particle swarm optimization,CPSO)对最小二乘支持向量机(least square support vector machine, LSSVM)算法的惩罚参数和核函数覆盖宽度进行优化,构造了基于CPSO和LSSVM的母线负荷预测模型。仿真结果表明:该负荷预测模型,将预测结果的相对误差降低到1.998%,预测精度达到了97%,提高了专用母线负荷预测准确性。     

基于ASD-KDE算法的超短期风电出力区间预测

为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度( atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP( back propagation) 神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。     

大风重现期的风险分析

目前结构抗风设计计算风荷载时所采用的设计风速,是根据重现期即所谓多少年一遇的概率来确定的,只考虑某一风速大风出现的概率,不考虑该大风出现的间隔时间是有一定的局限性的.对某一风速大风出现的间隔时间及其概率分布进行了研究,提出了一种大风重现期的风险分析方法.运用该方法,可以分析得出按年度出现某一特定风速大风的发生概率或风险率.     

强风环境非平稳风速模型及应用

提出了强风环境非平稳风速分析模型。该模型将风速记录分解为时变平均风和零均值平稳脉动风分量两部分,给出了经验模型法确定时变平均风的步骤并重新定义了风特性参数的计算公式。分别采用非平稳和平稳风速模型进行了1 851小时实测强风资料的风特性参数计算并做了对比分析。结果显示非平稳模型计算得到的紊流强度和积分尺度较平稳模型小,而平均风速及相干函数的衰减系数则相当接近,非平稳模型较平稳模型更适合描述强风特性。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

基于极值风速预测的台风数值模型评述

在沿海台风多发地区，高耸及长大建筑结构对于极值风速作用非常敏感，因此在结构的设计、施工与使用期间有必要合理估算结构设计使用期限内可能遭遇的台风极值风速。台风极值风速的估算不仅涉及台风风场的数值模拟，也包括风速样本的采集与统计分析过程。较系统地介绍了台风风场结构的各类数学模型，并对它们在不同使用目的背景下的适用性作了评述与比较。最后，基于越界峰值法探讨了工程场地一定重现期内台风极值风速预测的可行性。     

总体样本风速风向联合概率分析方法

提出了针对总体样本的风速风向联合分布的实用统计分析方法。假定任意给定风向上的风速符合某一概型分布、风向间的关联以风速资料的相对发生频率反映、不同风向间的概型参数及频率分布的变化满足谐波函数,在此基础上,利用风速风向资料的总体样本可以得到一个能够反映任意方向的风速风向联合分布函数。利用澳门地区的百年风资料与某风站连续5年的风速观测记录,对该方法的可行性进行了验证。分析表明,该方法具有一定的适用性,便于结构的抗风可靠性分析,具有一定的工程应用价值。     

基于数值模拟的台风危险性分析综述(Ⅱ)——随机抽样模拟与极值风速预测

台风危险性分析是台风损失估计及防灾减灾的基础。对基于数值模拟的台风危险性分析所采用的随机台风概率模型、随机抽样模拟方法和极值风速预测进行了回顾与评述,包括台风关键参数概率模型及其相关性、台风路径模型、台风登陆衰减和海陆风速转换模型以及台风极值风速概率模型,并针对我国东南沿海地区台风危险性分析数值模拟采用的相关模型给出了相关建议。