收藏本站
收藏 | 投稿 | 论文排版

基于高斯过程回归和粒子滤波的短期风速预测

梁智  孙国强  俞娜燕  倪晓宇  沈海平  卫志农  
【摘要】:建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行分析,并根据"3σ"原则判断异常值。其次,修正异常值,并对修正后的风速序列重新建立高斯过程回归预测模型。在进行提前15分钟风速预测时,同样采用粒子滤波算法对最新量测值进行状态估计,实现了异常值在线检测并修正。算例分析结果表明,粒子滤波算法能够有效检测出异常风速值,降低了风速预测误差,提前15分钟风速预测时平均绝对百分比误差和均方根误差分别降至8.92%和0.5826 m/s。

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 梁智;孙国强;卫志农;臧海祥;;基于变量选择与高斯过程回归的短期负荷预测[J];电力建设;2017年02期
2 唐云辉;;基于高斯过程回归的电力负荷预测算法[J];电子器件;2018年06期
3 郭鹏;王雪茹;;风电机组高斯过程回归塔架振动监测研究[J];动力工程学报;2015年05期
4 尹金良;朱永利;俞国勤;邵宇鹰;关宏;;基于高斯过程分类器的变压器故障诊断[J];电工技术学报;2013年01期
5 吴裕宙;;一种基于高斯过程回归模型的错峰用电负荷预测方法[J];计算机时代;2019年02期
6 吴祎;王友仁;;基于变分模态分解和高斯过程回归的锂离子电池剩余寿命预测方法[J];计算机与现代化;2020年02期
7 庞景月;马云彤;刘大同;彭宇;;锂离子电池剩余寿命间接预测方法[J];中国科技论文;2014年01期
8 史宇伟;潘学萍;;计及历史气象数据的短期风速预测[J];电力自动化设备;2014年10期
9 甘迪;柯德平;孙元章;崔明建;;基于集合经验模式分解和遗传-高斯过程回归的短期风速概率预测[J];电工技术学报;2015年11期
10 杜雪;李军;;基于高斯过程的短期风电功率概率预测[J];测控技术;2018年03期
中国博士学位论文全文数据库 前2条
1 房晟辰;基于高斯过程回归及Trust-Tech的短期风电功率预测方法[D];天津大学;2016年
2 盛瀚民;计及数据不可靠性的动力电池组SOC估计方法研究[D];西南交通大学;2017年
中国硕士学位论文全文数据库 前10条
1 刘哲;基于模糊聚类和高斯过程回归的光伏功率预测[D];广东工业大学;2019年
2 何晶;基于高斯过程回归的锂电池健康预测[D];北京交通大学;2018年
3 王锡明;利用高斯过程构建机电仿真问题代理模型的研究[D];天津科技大学;2017年
4 王玲;基于高斯过程回归的风电场短期风速预测方法研究[D];武汉科技大学;2018年
5 张江帆;基于高斯过程回归模型的锂电池数据处理[D];北京交通大学;2017年
6 王巍;基于稀疏高斯过程回归的锂电池剩余寿命预测[D];北京交通大学;2018年
7 叶婧;基于高斯过程回归的锂电池数据处理[D];北京交通大学;2016年
8 杨晓晶;基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究[D];昆明理工大学;2010年
9 杜雪;基于高斯过程的风电功率概率预测[D];兰州交通大学;2017年
10 白楠;基于概率统计的非参数模型状态监测[D];华北电力大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978