短期风速时间序列混沌特性分析及预测

田中大; 李树江; 王艳红; 高宪文

doi:10.7498/aps.64.030506

摘要

针对短期风速时间序列的预测问题进行了研究. 首先通过0-1混沌测试法确定短期风速时间序列具有混沌特性. 采用相空间重构技术, 利用C-C算法确定延迟时间, G-P 算法确定嵌入维数. 然后提出一种参数在线修正的最小二乘支持向量机预测模型, 采用改进的粒子群算法进行预测模型中参数的优化. 最后通过仿真对比实验表明提出的预测方法在预测精度、预测误差、预测效果方面都要优于其他常见的预测方法, 证明该预测方法是有效的.

关键词:

短期风速 /
时间序列 /
混沌 /
预测

作者及机构信息

1.
沈阳工业大学信息科学与工程学院, 沈阳 110870;

2.
东北大学信息科学与工程学院, 沈阳 110819

基金项目: 国家自然科学基金重点项目(批准号: 61034005)资助的课题.

参考文献

[1]	Xiu C B, Liu X T, Zhang X, Yu T T 2013 Power System Protection and Control 41 14 (in Chinese) [修春波, 刘新婷, 张欣, 于婷婷 2013 电力系统保护与控制 41 14]
[2]	Yang X Y, Sun B J, Zhang X F, Li L X 2012 Proc. the CSEE 32 35 (in Chinese) [杨锡运, 孙宝君, 张新房, 李利霞 2012 中国电机工程学报 32 35]
[3]	Ma L, Benoudjit N 2011 Appl. Energ. 88 2463
[4]	Ma L, Luan S Y, Jiang C W, Liu H L, Zhang Y 2009 Renew. Sustain. Energy Rev. 13 915
[5]	Pelikán E, Eben K, Resler J, Juru P, Krc P, Brabec M, Brabec T, Musilek P 2010 9th Conference on Environment and Electrical Engineering (Piscataway, NJ: IEEE) p45
[6]	Cuo L, Zhang Y X, Wang Q C 2013 J. Climate 26 85
[7]	Erdem E, Shi J 2011 Appl. Energ. 88 1405
[8]	Jiang J L, Lin G M 2008 Control Theory Appl. 25 374 (in Chinese) [蒋金良, 林广明 2008 控制理论与应用 25 374]
[9]	Liu H, Tian H Q, Li Y F 2012 Appl. Energ. 98 415
[10]	Li H J, Liu Y N, Wei Z N, Li X L, Cheung K W, Sun Y H, Sun G Q 2013 Electr. Power Autom. Equip. 33 28 (in Chinese) [李彗杰, 刘亚男, 卫志农, 李晓露, Kwok W Cheung, 孙永辉, 孙国强 2013 电力自动化设备 33 28]
[11]	Wang Y, Wu D L, Guo C X, Wu Q H, Qian W Z, Yang J 2010 IEEE PES General Meeting (Piscataway, NJ: IEEE) p1
[12]	Li X, Wang X, Zheng Y H, Li L X, Zhou L D, Sheng X K 2014 International Conference on Renewable Energy and Environmental Technology (Zurich-Durnten: Trans Tech) p1825
[13]	Zeng J, Zhang H 2011 Acta Energiae Solaris Sin. 32 296 (in Chinese) [曾杰, 张华 2011 太阳能学报 32 296]
[14]	Louka P, Galanis G, Siebert N, Kariniotakis G, Katsafados P, Pytharoulis I, Kallos G 2008 J. Wind Eng. Ind. Aerodyn. 96 2348
[15]	Liu J B, Ding T 2012 Acta Energiae Solaris Sin. 33 1131 (in Chinese) [刘进宝, 丁涛 2012 太阳能学报 33 1131]
[16]	Fourati F, Chtourou M 2007 Simul. Model. Pract. Theory 15 1016
[17]	Xiao H F, Ding T 2011 Proceedings of the 2011 International Conference on Informatics, Cybernetics,Computer Engineering (Heidelberg: Springer) p479
[18]	Soman S S, Zareipour H, Malik O, Mandal P 2010 North American Power Symposium 2010 (Piscataway, NJ: IEEE) p1
[19]	Sheng Z 2012 Acta Phys. Sin. 61 219401 (in Chinese) [盛峥 2012 物理学报 61 219401]
[20]	Tahat A, Marti J, Khwaldeh A, Tahat K 2014 Chin. Phys. 23 046101
[21]	Li H C, Zhao J S 2005 Chin. Phys. Lett. 22 2776
[22]	Tang Z J, Ren F, Peng T, Wang W B 2014 Acta Phys. Sin. 63 050505 (in Chinese) [唐舟进, 任峰, 彭涛, 王文博 2014 物理学报 63 050505]
[23]	Wu X D, Wang Y N, Liu W T, Zhu Z Y 2011 Chin. Phys. 20 069201
[24]	Gottald G A, Melbourne I 2009 SIAM J. Appl. Dyn. Syst. 8 129
[25]	Gottald G A, Melbourne I 2009 Nonlinearity 22 1367
[26]	Kim H S, Eykholt R, Salas J D 1999 Physica D 127 48
[27]	Zhang H B, Sun X D, He Y L 2014 Acta Phys. Sin. 63 040505 (in Chinese) [张洪宾, 孙小端, 贺玉龙 2014 物理学报 63 040505]
[28]	Grassberger P, Procaccia I 1983 Physica D 9 189
[29]	Wolf A, Swift J B, Swinney H L, Vastano J A 1985 Physica D 16 285
[30]	Suykens J A K, Vandevalle J 1999 Neural Process. Lett. 9 293
[31]	Kennedy J, Eberhart R 1995 Proceedings of the 1995 IEEE International Conference on Neural Networks (Piscataway, NJ: IEEE) p1942
[32]	Regis R G 2014 J. Comput. Sci. 5 12
[33]	Dong Z S, Zhang X Y, Zeng J C 2013 Trans. Can. Soc. Mech. Eng. 37 1189
[34]	Letting L K, Munda J L, Hamam Y 2012 Solar Energ. 86 1689

施引文献

[1]	Xiu C B, Liu X T, Zhang X, Yu T T 2013 Power System Protection and Control 41 14 (in Chinese) [修春波, 刘新婷, 张欣, 于婷婷 2013 电力系统保护与控制 41 14]
[2]	Yang X Y, Sun B J, Zhang X F, Li L X 2012 Proc. the CSEE 32 35 (in Chinese) [杨锡运, 孙宝君, 张新房, 李利霞 2012 中国电机工程学报 32 35]
[3]	Ma L, Benoudjit N 2011 Appl. Energ. 88 2463
[4]	Ma L, Luan S Y, Jiang C W, Liu H L, Zhang Y 2009 Renew. Sustain. Energy Rev. 13 915
[5]	Pelikán E, Eben K, Resler J, Juru P, Krc P, Brabec M, Brabec T, Musilek P 2010 9th Conference on Environment and Electrical Engineering (Piscataway, NJ: IEEE) p45
[6]	Cuo L, Zhang Y X, Wang Q C 2013 J. Climate 26 85
[7]	Erdem E, Shi J 2011 Appl. Energ. 88 1405
[8]	Jiang J L, Lin G M 2008 Control Theory Appl. 25 374 (in Chinese) [蒋金良, 林广明 2008 控制理论与应用 25 374]
[9]	Liu H, Tian H Q, Li Y F 2012 Appl. Energ. 98 415
[10]	Li H J, Liu Y N, Wei Z N, Li X L, Cheung K W, Sun Y H, Sun G Q 2013 Electr. Power Autom. Equip. 33 28 (in Chinese) [李彗杰, 刘亚男, 卫志农, 李晓露, Kwok W Cheung, 孙永辉, 孙国强 2013 电力自动化设备 33 28]
[11]	Wang Y, Wu D L, Guo C X, Wu Q H, Qian W Z, Yang J 2010 IEEE PES General Meeting (Piscataway, NJ: IEEE) p1
[12]	Li X, Wang X, Zheng Y H, Li L X, Zhou L D, Sheng X K 2014 International Conference on Renewable Energy and Environmental Technology (Zurich-Durnten: Trans Tech) p1825
[13]	Zeng J, Zhang H 2011 Acta Energiae Solaris Sin. 32 296 (in Chinese) [曾杰, 张华 2011 太阳能学报 32 296]
[14]	Louka P, Galanis G, Siebert N, Kariniotakis G, Katsafados P, Pytharoulis I, Kallos G 2008 J. Wind Eng. Ind. Aerodyn. 96 2348
[15]	Liu J B, Ding T 2012 Acta Energiae Solaris Sin. 33 1131 (in Chinese) [刘进宝, 丁涛 2012 太阳能学报 33 1131]
[16]	Fourati F, Chtourou M 2007 Simul. Model. Pract. Theory 15 1016
[17]	Xiao H F, Ding T 2011 Proceedings of the 2011 International Conference on Informatics, Cybernetics,Computer Engineering (Heidelberg: Springer) p479
[18]	Soman S S, Zareipour H, Malik O, Mandal P 2010 North American Power Symposium 2010 (Piscataway, NJ: IEEE) p1
[19]	Sheng Z 2012 Acta Phys. Sin. 61 219401 (in Chinese) [盛峥 2012 物理学报 61 219401]
[20]	Tahat A, Marti J, Khwaldeh A, Tahat K 2014 Chin. Phys. 23 046101
[21]	Li H C, Zhao J S 2005 Chin. Phys. Lett. 22 2776
[22]	Tang Z J, Ren F, Peng T, Wang W B 2014 Acta Phys. Sin. 63 050505 (in Chinese) [唐舟进, 任峰, 彭涛, 王文博 2014 物理学报 63 050505]
[23]	Wu X D, Wang Y N, Liu W T, Zhu Z Y 2011 Chin. Phys. 20 069201
[24]	Gottald G A, Melbourne I 2009 SIAM J. Appl. Dyn. Syst. 8 129
[25]	Gottald G A, Melbourne I 2009 Nonlinearity 22 1367
[26]	Kim H S, Eykholt R, Salas J D 1999 Physica D 127 48
[27]	Zhang H B, Sun X D, He Y L 2014 Acta Phys. Sin. 63 040505 (in Chinese) [张洪宾, 孙小端, 贺玉龙 2014 物理学报 63 040505]
[28]	Grassberger P, Procaccia I 1983 Physica D 9 189
[29]	Wolf A, Swift J B, Swinney H L, Vastano J A 1985 Physica D 16 285
[30]	Suykens J A K, Vandevalle J 1999 Neural Process. Lett. 9 293
[31]	Kennedy J, Eberhart R 1995 Proceedings of the 1995 IEEE International Conference on Neural Networks (Piscataway, NJ: IEEE) p1942
[32]	Regis R G 2014 J. Comput. Sci. 5 12
[33]	Dong Z S, Zhang X Y, Zeng J C 2013 Trans. Can. Soc. Mech. Eng. 37 1189
[34]	Letting L K, Munda J L, Hamam Y 2012 Solar Energ. 86 1689

[1]	王永生, 孙瑾, 王昌金, 范洪达. 变参数混沌时间序列的神经网络预测研究. 物理学报, 2008, 57(10): 6120-6131. doi: 10.7498/aps.57.6120
[2]	闫华, 魏平, 肖先赐. 基于Bernstein多项式的自适应混沌时间序列预测算法. 物理学报, 2007, 56(9): 5111-5118. doi: 10.7498/aps.56.5111
[3]	李鹤, 杨周, 张义民, 闻邦椿. 基于径向基神经网络预测的混沌时间序列嵌入维数估计方法. 物理学报, 2011, 60(7): 070512. doi: 10.7498/aps.60.070512
[4]	李军, 李大超. 基于优化核极限学习机的风电功率时间序列预测. 物理学报, 2016, 65(13): 130501. doi: 10.7498/aps.65.130501
[5]	杨永锋, 任兴民, 秦卫阳, 吴亚锋, 支希哲. 基于EMD方法的混沌时间序列预测. 物理学报, 2008, 57(10): 6139-6144. doi: 10.7498/aps.57.6139
[6]	张玉梅, 吴晓军, 白树林. 交通流量序列混沌特性分析及DFPSOVF预测模型. 物理学报, 2013, 62(19): 190509. doi: 10.7498/aps.62.190509
[7]	修春波, 徐勐. 基于混沌算子网络的时间序列多步预测研究. 物理学报, 2010, 59(11): 7650-7656. doi: 10.7498/aps.59.7650
[8]	姚天亮, 刘海峰, 许建良, 李伟锋. 基于最大Lyapunov指数不变性的混沌时间序列噪声水平估计. 物理学报, 2012, 61(6): 060503. doi: 10.7498/aps.61.060503
[9]	贺涛, 周正欧. 基于分形自仿射的混沌时间序列预测. 物理学报, 2007, 56(2): 693-700. doi: 10.7498/aps.56.693
[10]	李军, 张友鹏. 基于高斯过程的混沌时间序列单步与多步预测. 物理学报, 2011, 60(7): 070513. doi: 10.7498/aps.60.070513
[11]	董昭, 李翔. 离散时间序列的网络模体分析. 物理学报, 2010, 59(3): 1600-1607. doi: 10.7498/aps.59.1600
[12]	李军, 刘君华. 一种新型广义RBF神经网络在混沌时间序列预测中的研究. 物理学报, 2005, 54(10): 4569-4577. doi: 10.7498/aps.54.4569
[13]	叶美盈, 汪晓东, 张浩然. 基于在线最小二乘支持向量机回归的混沌时间序列预测. 物理学报, 2005, 54(6): 2568-2573. doi: 10.7498/aps.54.2568
[14]	张军峰, 胡寿松. 基于一种新型聚类算法的RBF神经网络混沌时间序列预测. 物理学报, 2007, 56(2): 713-719. doi: 10.7498/aps.56.713
[15]	马千里, 郑启伦, 彭宏, 覃姜维. 基于模糊边界模块化神经网络的混沌时间序列预测. 物理学报, 2009, 58(3): 1410-1419. doi: 10.7498/aps.58.1410
[16]	张春涛, 马千里, 彭宏. 基于信息熵优化相空间重构参数的混沌时间序列预测. 物理学报, 2010, 59(11): 7623-7629. doi: 10.7498/aps.59.7623
[17]	张文专, 龙文, 焦建军. 基于差分进化算法的混沌时间序列预测模型参数组合优化. 物理学报, 2012, 61(22): 220506. doi: 10.7498/aps.61.220506
[18]	王新迎, 韩敏. 多元混沌时间序列的多核极端学习机建模预测. 物理学报, 2015, 64(7): 070504. doi: 10.7498/aps.64.070504
[19]	李瑞国, 张宏立, 范文慧, 王雅. 基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测. 物理学报, 2015, 64(20): 200506. doi: 10.7498/aps.64.200506
[20]	梅英, 谭冠政, 刘振焘, 武鹤. 基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测. 物理学报, 2018, 67(8): 080502. doi: 10.7498/aps.67.20172104

引用本文:

Citation:

计量

文章访问数: 1452
PDF下载量: 881
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板

短期风速时间序列混沌特性分析及预测

摘要

作者及机构信息

1.
沈阳工业大学信息科学与工程学院, 沈阳 110870;

2.
东北大学信息科学与工程学院, 沈阳 110819

参考文献

施引文献

目录

计量

短期风速时间序列混沌特性分析及预测

English Abstract

Chaotic characteristics analysis and prediction for short-term wind speed time series

1.
College of Information Science and Engineering, Shenyang University of Technology, Shenyang 110870, China;

2.
College of Information Science and Engineering, Northeastern University, Shenyang 110819, China

全文HTML

目录

作者中心

审稿中心

关于期刊

关于我们

搜索

留言板

短期风速时间序列混沌特性分析及预测

摘要

作者及机构信息

1. 沈阳工业大学信息科学与工程学院, 沈阳 110870; 2. 东北大学信息科学与工程学院, 沈阳 110819

参考文献

施引文献

目录

计量

出版历程

短期风速时间序列混沌特性分析及预测

English Abstract

Chaotic characteristics analysis and prediction for short-term wind speed time series

1. College of Information Science and Engineering, Shenyang University of Technology, Shenyang 110870, China; 2. College of Information Science and Engineering, Northeastern University, Shenyang 110819, China

全文HTML

目录

作者中心

审稿中心

关于期刊

关于我们

1.
沈阳工业大学信息科学与工程学院, 沈阳 110870;

2.
东北大学信息科学与工程学院, 沈阳 110819

1.
College of Information Science and Engineering, Shenyang University of Technology, Shenyang 110870, China;

2.
College of Information Science and Engineering, Northeastern University, Shenyang 110819, China