支持向量回歸機在風電系統(tǒng)槳距角預測中的應用
加入技術(shù)交流群
2．3 Matlab仿真
2．3．1回歸擬合
在Matlab編程實現(xiàn)函數(shù)的回歸擬合，并檢驗數(shù)據(jù)。主函數(shù)程序段如下：
2．3．2 函數(shù)回歸擬合并檢驗的仿真結(jié)果
應用Matlab支持向量機工具箱編程實現(xiàn)系統(tǒng)的學習訓練過程，由80個學習樣本訓練而得到的函數(shù)擬合結(jié)果如下圖1所示。本文引用地址：http://www.ex-cimer.com/article/187585.htm
利用訓練好的神經(jīng)網(wǎng)絡(luò)模型可以對槳距角進行預測，只要輸入即時風速，就可確定出相應槳距角大小。之前利用BP算法的均方誤差為0．290 3，LM算法的均方誤差為0．278 1。圖2為由SVR算法對48個樣本值檢驗的結(jié)果。可知，預測值與實際槳距角值基本一致。擬合誤差err=0．175 6。
3 結(jié)束語
文中介紹了支持向量機的回歸算法理論，用SVR算法代替之前的BP算法和LV算法，研究了風力發(fā)電系統(tǒng)中隨風速變化槳距角的值，由函數(shù)擬合理論對槳距角進行了預測并檢驗，由于支持向量機采用結(jié)構(gòu)最小化原則代替經(jīng)驗經(jīng)驗最小化原則，采用適當?shù)暮撕瘮?shù)，同比其他算法使擬合誤差達到了最小，大大提高了變槳距系統(tǒng)的精度和效率。將該算法應用于DSP芯片上稍作改進，加上外圍電路的設(shè)計，即可應用在風電系統(tǒng)的控制領(lǐng)域。
評論