小波回归支持向量机算法的风电场风速预测

采用小波分析的方法对地铁原始监测数据进行去噪处理,将得到的平稳可靠的监测数据用于建立支持向量机训练集,进行沉降预测.实际沉降数据处理和预测结果显示,小波分析方法能够准确提取监测数据中的沉降趋势性信息,w-svm组合算法能够显著提高沉降预测的精度.

针对风电功率序列的不确定性和随机性特征,提出基于聚类经验模态分解(eemd)和支持向量回归机(svr)的风电功率预测模型。同时,为克服支持向量回归机依赖人为经验选择学习参数的弊端,采用纵横交叉算法(cso)优化支持向量回归机学习参数。首先,利用聚类经验模态分解将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对每子序列单独建立cso-svr预测模型。最后,叠加各子序列的预测值得到实际预测结果。实例研究表明,所提模型能获得优良的风电功率预测结果。

结合支持向量机模型和小波框架理论,建立了沉降预测模型,并对杭州市某小区的危旧建筑物进行了沉降预测,结果表明该模型预测精度较高,可以较好地预测建筑物沉降的发展趋向,适用于建筑沉降预警工作。

由于风电场一般均建在风向较固定区域,风机基础的受力往往出现偏心极大方向和极小方向。针对此种情况,并结合风电场风资源特性,考虑各风机点位特点,论文提出"最大风速玫瑰图"概念,给出了风机基础设计的新思路,并通过"最大风速玫瑰图"将常规圆形、八边形基础,优化为矩形基础,使风机基础受力性能更好,有效减少基础混凝土量,同时节省项目建设时间。

基于支持向量机方法的深基坑变形预测——提出了深基坑变形预测的一种新方法，即支持向量机方法．该方法根据有限的学习样本，建立了各种影响因素和深基坑变形之问的一种非线性映射．基于已有的深基坑变形资料，采用支持向量机模型，对深基坑现场实例进行了预测，...

基于最小二乘支持向量机回归的基坑变形预测——将最小二乘支持向量机回归用于基坑变形预测．根据基坑位移的实测时间序列资料，应用最小二乘支持向量机回归建立了基坑位移与时间的关系模型．研究结果表明，最小二乘支持向量机回归用于基坑变形预测，具有较高的预...

1 风电场建设程序与风电场工程施工 按照“风电场开发研讨班”的课程安排，风电场的建设施工，重点讲授以下五个方面的内容： 一、风电场的建设程序 二、风电场的施工前期准备 三、风电场的施工管理 四、风电机组的运输、安装、调试 五、风电机组的试运行与验收 第一章：风电场的建设程序 为了规范中国的基本建设市场，国家计委于一九九六年先后颁布了《关于实行建设项目法人责 任制的暂行规定》和《国家重点项目管理办法》两个重要法规文件。要求在建筑领域全面推行工程 项目法人责任制、投标招标制、合同管理制和工程建设监理制等四项基本制度。并以法规形式规定 了基本建设程序。中国的项目建设程序是从项目业主管理的角度划分的。 通常，我们把工程项目建设周期划分为四个阶段：工程项目策划和决策阶段，工程项目准备阶 段，工程项目实施阶段，工程项目竣工验收和总结评价阶段。详见图1—1。 1、工程项目策划和决策阶段 这一阶段的主

1 风电场建设程序与风电场工程施工 按照“风电场开发研讨班”的课程安排，风电场的建设施工，重点讲授以下五个方 面的内容： 一、风电场的建设程序 二、风电场的施工前期准备 三、风电场的施工管理 四、风电机组的运输、安装、调试 五、风电机组的试运行与验收 第一章：风电场的建设程序 为了规范中国的基本建设市场，国家计委于一九九六年先后颁布了《关于实行建设 项目法人责任制的暂行规定》和《国家重点项目管理办法》两个重要法规文件。要求在 建筑领域全面推行工程项目法人责任制、投标招标制、合同管理制和工程建设监理制等 四项基本制度。并以法规形式规定了基本建设程序。中国的项目建设程序是从项目业主 管理的角度划分的。 通常，我们把工程项目建设周期划分为四个阶段：工程项目策划和决策阶段，工程 项目准备阶段，工程项目实施阶段，工程项目竣工验收和总结评价阶段。详见图1—1。 1、工程项目策划和决策阶段 这一阶段

针对在工程实践中,应用单一方法预测建筑物沉降存在着局限性,提出了基于最小二乘支持向量机回归综合单一方法预测沉降量。该方法能综合单一方法的特点,增强了模型的普适性,从而提高了预测精度和预报期次。文中讨论了如何实现和运用该方法,最后通过实例验证了其有效性。

利用中尺度气象数值模式wrf和动力降尺度模式calmet,对江西山地风电场不同高度层风速进行4个月逐时数值模拟,结合测风塔实测资料,对两种模式的模拟结果进行准确性、误差特征等方面研究,结果表明:1)wrf模式和calmet模式均能较好地模拟出风速的日变化特征,在大风速时间段两个模式模拟误差变大,可能是由于出现台风、降雨伴随大风等天气时,wrf模式边界层方案对大风速时拖曳作用不充分造成,今后可考虑通过天气过程模拟的敏感性研究及历史数据对模拟结果进行订正。2)从各月模拟结果来看,wrf模式与calmet模式各月模拟值与实测值间相关系数均大于0.65,两个模式对70m高度层模拟结果均优于对10m高度层的模拟结果,并且calmet模式均方根误差低于wrf模式的。3)calmet模式在各风速段模拟效果均优于wrf模式的。两个模式在0~3m·s-1低风速的模拟效果最优,在大风速段(>8m·s~(-1))模拟结果平均绝对误差最大,今后应对大风模拟结果的订正开展进一步研究。

使用组合模型进行了风速预测,然后在此基础上进行了风电功率的预测.利用灰色模型进行风速中确定性趋势预测,针对灰色gm(1,1)模型的建模机理和风速预测特点对其进行了改进,建立了改进的灰色gm(1,1)风速预测模型;同时使用支持向量机进行风速的随机性预测;用建立的组合预测模型输出的风速作为风电功率预测的一个输入,利用支持向量机模型进行了提前一小时的风电功率预测.算例表明,该方法可有效提高风速预测精度,进而提高风电功率的预测精度.

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法(pso)优化支持向量机(svm)的公路客运量预测模型,利用pso寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测。研究结果显示,相比bp神经网络和传统的svm预测方法,基于pso-svm的预测精度更高。

1 第一章风电场的运行 目前，国内风力发电机组的单机容量已从最初的几十千瓦发展为今天的几百 千瓦甚至兆瓦级。风电场也由初期的数百千瓦装机容量发展为数万千瓦甚至 数十万千瓦装机容量的大型风电场。随着风电场装机容量的逐渐增大，以及 在电力网架中的比例不断升高，对大型风电场的科学运行、维护管理逐步成 为一个新的课题。风电场运行维护管理工作的主要任务是通过科学的运行维 护管理，来提高风力发电机组设备的可利用率及供电的可靠性，从而保证电 场输出的电能质量符合国家电能质量的有关标准。风电场的企业性质及生产 特点决定了运行维护管理工作必须以安全生产为基础，以科技进步为先导， 以设备管理为重点，以全面提高人员素质为保证，努力提高企业的社会效益 和经济效益。 第一节风电场运行工作的主要内容 风电场运行工作的主要内容包括两个部分，分别是风力发电机组的运行和场 区升压变电站及相关输变电设施的运行。工作中应

分析了大规模风电给电力系统实时调度所带来的若干问题,依据节能减排原则,以消纳风电最大化和火电机组一次能源消耗最小化为双重目标,建立了含大规模风电的实时调度模型。在量子粒子群算法基础上加入混沌初始化和混沌扰动,形成混沌量子粒子群优化算法。基于修改的ieee-118节点系统进行仿真计算,结果表明:建立的模型能在最大程度消纳风电的前提下,最大限度地减少一次能源消耗,达到节能减排的目的;采用的算法计算速度快、收敛性能好,满足实时性的要求。

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(ipso-lssvm)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,ipso-lssvm可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进pareto遗传多目标优化算法。以某风电场接入ieee14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。

采用最小二乘支持向量机(lssvm)与粒子群优化算法(pso)相结合的方法,以隧道工程分项工程技术指标为基本参数,对山区高速公路隧道工程造价进行管理和预测,基于支持向量机算法实现山区高速公路中隧道的工程特性与各分项工程造价指标之间的复杂非线性映射。建立的造价预测模型估算得到的造价与样本的实际造价误差可控制在10%的范围内,说明该预测模型可用于山区高速公路的隧道工程造价估算,并为公路工程造价人员提供了一种实用的工具和方法。

实行负荷预测是空气调节系统优化运行的基础,如何选择工程应用切实可行的方法,仍然是一个值得探讨和研究的问题。支持向量机(svm)算法在解决小样本、非线性及高维模式识别中表现出许多特有的优势。本文将支持向量机算法引入空调负荷预测中,对深圳市夏季六、七月份的逐时空调负荷,分别用svm模型和armax模型进行了训练和预测,结果表明svm模型适用于空调负荷预测,具有很好的泛化能力。

采用最小二乘支持向量机(lssvm)与粒子群优化算法(pso)相结合的方法,以隧道工程分项工程技术指标为基本参数,对山区高速公路隧道工程造价进行管理和预测,基于支持向量机算法实现山区高速公路中隧道的工程特性与各分项工程造价指标之间的复杂非线性映射。建立的造价预测模型估算得到的造价与样本的实际造价误差可控制在10%的范围内,说明该预测模型可用于山区高速公路的隧道工程造价估算,并为公路工程造价人员提供了一种实用的工具和方法。

基于最小二乘支持向量机回归的单桩竖向极限承载力预测——基于单桩载荷试验数据，采用最小二乘支持向量机(lssvm)回归的方法，建立了单桩竖向极限承载力的预测模型．利用文献中桩的载荷试验数据来训练lssvm模型，并确定了模型参数．研究结果表明，同常用的bp网络...

三峡新能源风电场（48mw）工程 风机基础施工 监理实施细则

风电场风机基础方案