[发明专利]一种基于支持向量机筛选变量的风电功率预测方法

摘要

一种基于支持向量机筛选变量的风电功率预测方法，包括如下步骤：S1）利用支持向量机算法量化风电功率的输入矢量对风电功率预测结果的影响，筛选出对风电功率预测结果影响显著的变量；S2)将由S1）筛选出的变量作为神经网络算法的输入变量进行功率预测。本发明利用SVM算法对神经网络算法的输入变量进行筛选，提高了风电功率预测结果的精度同时简化了神经网络模型，本发明方法简便，解决了现有技术中风电功率预测样本因建模者的专业知识与经验进行选取而缺乏标准的问题。

主权项

1.一种基于支持向量机筛选变量的风电功率预测方法，其特征在于，包括如下步骤：S1)利用支持向量机算法量化风电功率的输入矢量对风电功率预测结果的影响，筛选出对风电功率预测结果影响显著的变量；S2)将由S1)筛选出的变量作为神经网络算法的输入变量进行功率预测；步骤S1)通过如下步骤实现：S1.1)对风电功率的输入矢量进行初步筛选；S1.2)获取经初步筛选后的输入矢量和对应的风电功率的历史数据作为训练集，训练集由训练样本构成，训练集中训练样本的数量称为观测例数；S1.3)建立基于所述历史数据的支持向量机训练模型；S1.4)将训练集中的训练样本中的某个输入矢量的特征值分别增大和减少一定比率,得到两个新的训练集，将这两个新的训练集分别通过S1.3)中的支持向量机训练模型进行仿真，得到两个仿真结果，变动该输入矢量后对风电功率结果的影响IV即为两个所述仿真结果之差，将IV按照观察例数平均下来得到该输入矢量对风电功率预测结果的平均影响值MIV；S1.5)重复步骤S1.4)得到每个输入矢量对风电功率预测结果的平均影响值MIV；S1.6)筛选出MIV值较大的输入矢量作为对风电功率预测结果影响显著的变量。