为提高超短期风速预测的可靠性和准确性,将被预测地点(本地)周边测风塔风速风向等当前和最近历史观测值作为基础数据,采用空间相关性来预测本地的未来风速。首先,依据风向和风速的延迟相关性,挑选出上游测风塔。之后,结合最优延迟时间,...为提高超短期风速预测的可靠性和准确性,将被预测地点(本地)周边测风塔风速风向等当前和最近历史观测值作为基础数据,采用空间相关性来预测本地的未来风速。首先,依据风向和风速的延迟相关性,挑选出上游测风塔。之后,结合最优延迟时间,利用各上游和本地最近的风速观测值来训练预测模型。最后,将各上游风速的当前观测值输入模型,即可得到本地的风速预测值。以偏最小二乘回归(partial least squares regression,PLSR)为主要模型,并采用线性回归(linear regression,LR)、最小二乘支持向量回归等模型进行对照。以冬季风时期的荷兰Huibertgat和天津为被预测地点,进行了PLSR、LR预测误差与模型阶数、样本容量之间关系的数值实验。研究表明,在冬季风时期,当样本容量达到一定程度后,预测误差的变化对阶数、样本容量和模型的类型均不再敏感。这表明空间相关性是一种较为可靠的超短期风速预测方法。展开更多
文摘为提高超短期风速预测的可靠性和准确性,将被预测地点(本地)周边测风塔风速风向等当前和最近历史观测值作为基础数据,采用空间相关性来预测本地的未来风速。首先,依据风向和风速的延迟相关性,挑选出上游测风塔。之后,结合最优延迟时间,利用各上游和本地最近的风速观测值来训练预测模型。最后,将各上游风速的当前观测值输入模型,即可得到本地的风速预测值。以偏最小二乘回归(partial least squares regression,PLSR)为主要模型,并采用线性回归(linear regression,LR)、最小二乘支持向量回归等模型进行对照。以冬季风时期的荷兰Huibertgat和天津为被预测地点,进行了PLSR、LR预测误差与模型阶数、样本容量之间关系的数值实验。研究表明,在冬季风时期,当样本容量达到一定程度后,预测误差的变化对阶数、样本容量和模型的类型均不再敏感。这表明空间相关性是一种较为可靠的超短期风速预测方法。
