毕业设计--基于支持向量机的风电功率预测

《毕业设计--基于支持向量机的风电功率预测》由会员分享，可在线阅读，更多相关《毕业设计--基于支持向量机的风电功率预测（51页珍藏版）》请在毕设资料网上搜索。

1、 毕业设计说明书毕业设计说明书 题题 目：目： 基于支持向量机的风电功率预测基于支持向量机的风电功率预测 学学 院：院： 信息工程学院信息工程学院 专专 业：业： 建筑设施智能技术建筑设施智能技术 学学 号：号： 完成日期：完成日期： 20142014 年年 5 5 月月 毕业论文（设计）任务书毕业论文（设计）任务书 论文（设计）题目： 基于支持向量机的风电功率预测 一、主要内容及基本要求 近年来，由于我国大力发展风电功率市场。风电功率预测也成为从事电力部门工作 人员的研究热点问题。目前，有很多方法可以进行风电功率预测，通过查阅文献，进行 对比，最终提出了基于支持向量机的风电功率预测方法。 本

2、文首先讲解了风电功率的发电原理和影响风力发电的因素；接着，通过国标讲解 了风电功率预测的分类，评判标准和预测方法等，并且提出了基于支持向量机的风电功 率预测办法；然后，重点讲解了支持向量机的理论基础和实现支持向量机在回归预测中 的实现方法；而后，我们建立了基于支持向量（SVM）的风电功率预测方法，并与神经 网络(BP)的预测方法进行比较，发现支持向量机的预测精度高于神经网络；最后，我们 提出了用遗传算法来优化支持向量机的参数， 最终结果表明遗传优化(GA)的支持向量机 算法有显著的优越性。 基本要求： （1）总结国内外发电功率的预测现状 （2）讨论和比较各种风电功率预测方法的优缺点 （3）掌握

3、支持向量机的理论基础和它在回归预测中的应用 （4）建立基于支持向量机的风电功率预测方法的设计与仿真 （5）证明支持向量机的可行性和优越性，并对参数进行优化 二、重点研究的问题 （1）运用 Matlab 实现支持向量机回归预测算法 （2）风电功率预测算法中损失参数和核参数的选择 （3）仿真结果的分析 三、进度安排 序号 各阶段完成的内容 完成时间 1 查阅文献，了解风电功率预测的研究现状 2013.12.15-2013.12.20 2 学习比较各种风电功率预测方法 2013.12.25-2014.01.15 3 集中学习 SVM 在回归预测中的应用 2014.01.15-2014.02.15 4

4、 利用 SVM 算法实现风电功率预测 2014.02.15-2014.03.15 5 仿真结果分析和参数选择 2014.03.20-2014.04.05 6 毕业论文撰写与修改，准备论文答辩 2014.04.10-2014.05.06 7 毕业答辩 2014.5 月底 8 四、应收集的资料及主要参考文献 1 杨桂兴.对风电功率预测系统中预测精度的讨论J.电网与清洁能源,2011,1(1) 2 王强强.基于遗传优化的支持向量机短期风电功率预测研究J.贵州师范大学学报， 2013.2(1) 3 于海.吉林电网风电功率预测系统的设计与实现D .北京:北京大学,2009. 4 范高峰，等.风电功率预测的发展现状与展望J.中国电力，2011.6,44（6） 5 蒋亮亮.基于 MATLAB 的 BP 神经网络应用D.南京：南京信息工程大学，2011 6 白鹏，张斌.支持向量机理论及