一种基于ARMA和SVR的风速预测方法技术

本发明专利技术公开了一种基于ARMA和SVR的风速预测方法。该方法利用历史数据建立ARMA模型，再利用ARMA模型定得的阶数划分数据集，最后利用划分好的数据训练SVR模型并进行预测。在划分数据集之前，利用ARMA建模方法对原始数据集进行定阶，利用得到的偏自相关系数p的值，对数据集进行划分，得到多段相关性较强的时间序列，将划分好的数据再分为训练集和测试集，训练集供SVR模型进行训练，然后利用测试集对训练好的模型的预测效果进行检验，并改变划分数据的p值建立新的模型，通过使用均方根误差比较这些模型的预测效果，证明了利用本方法取得的p值划分数据集效果更好，数据利用效率最大，预测效果更精确。测效果更精确。测效果更精确。

【技术实现步骤摘要】
一种基于ARMA和SVR的风速预测方法


[0001]本专利技术属于风电预测
，可以用于对一维的风速时间序列数据进行预测，特别涉及一种基于ARMA和SVR的风速预测方法。

技术介绍

[0002]随着时代的发展和科技的进步，人类对能源的需求越来越高，即便步入了21世纪，煤炭和石油依然是世界上主要的能源提供方式。但是，化石燃料的燃烧不可避免的会产生很多温室气体，而且能源转换效率低下，最重要的是，化石燃料属于不可再生能源，在如今全世界巨大的能源市场消耗下，地球上目前存储的化石资源将会很快消耗殆尽，所以，如何大力推动新型能源的发展，成为了当今世界讨论的焦点，也是解决能源危机的主要手段。目前有很多新能源为人们所熟知，风能就是众多新兴能源的代表之一。
[0003]到2021年，全球风力发电量达到了总发电量的6.6％，成为仅次于水力发电的第二大可再生能源，并且和太阳能发电一起，成为目前增长最快速的一种新能源。
[0004]但是，尽管地球上的风能储量很大，人类对风能的充分利用依然是一个挑战。风是自然的产物,很大程度上由于受到天气因素或者地理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ARMA和SVR的风速预测方法，其特征在于，该方法包括以下步骤：(1)实地考察，获得某风力发电厂风速的实时数据，并整理成一个时间序列，以供接下来的分析和使用；(2)对获得的真实风速数据进行平稳性检验，若通过平稳性检验，则用于ARMA模型进行建模，若不通过检验，则采用差分的方法，将不平稳的序列转化为一个平稳的序列；(3)进行ARMA建模时，采用AIC准则，利用迭代的算法，求解p和q的最优值，p和q分别为偏自相关系数和自相关系数，虽然结果只需要用到偏自相关系数p，但是p的q往往是同时求出的，而ARMA模型是需要这两个参数共同建模的；其中q表示当前值x
t
与q个历史值x
t
‑1,x
t
‑2,
…
,x
t
‑
q
的误差ε
t
‑1,ε
t
‑2,
…
,ε
t
‑
q
的关系，即：p表示了当前值x
t
与p个历史值x
t
‑1,x
t
‑2,
…
,x
t
‑
p
的关系，即：d为常数，具体为一个初始值；ARMA模型为：其中，是自回归系数，θ
j
是移动平均系数，这两者均为待定系数且不为零，ε
t
为t时刻的误差项，y
t
表示t时刻差分后的值，ε
t
‑
j
为t
‑
j时刻的误差项，y
t
‑
i
为t
‑
i时刻的值；(4)求出最优的p值之后，利用p划分数据集，从第一个数据到第p个数据，每p个值作为一组新的数据，每次截取前p
‑
1个数作为输入数据，第p个数作为输出；之后按照相同的截取规则，再对第二个数据到第p+1个数据进行相同的划分操作，直到将数据集全部划分完，最后，将划分好的数据分别作为训练集和测试集；(5)进行SVR建模，采用人工试凑法，确定惩罚因子和核函数参数，然后利用划分好的数据集进行训练，并使用测试集检验模型的准确性；SVR的原始模型为：SVR的原始模型为：其中，s.t.表示约束条件，C是惩罚因子，m是SVR训练集中的样本个数，α
i
和是松弛变量，ε是容忍偏差，y
i
是输出，w和b是需要求解的参数；(6)测试完模型准确性之后，在最优p值附近改变p的值，重复进行模型检验，并和最优p值训练出来的模型对比，最后利用预...

【专利技术属性】
技术研发人员：焦绪国，张道源，穆国庆，杨秦敏，孟文超，刘文锋，
申请(专利权)人：浙江大学，
类型：发明
国别省市：