支持向量回歸機在風電系統槳距角預測中的應用
加入技術交流群
2．3 Matlab仿真
2．3．1回歸擬合
在Matlab編程實現函數的回歸擬合，并檢驗數據。主函數程序段如下：
2．3．2 函數回歸擬合并檢驗的仿真結果
應用Matlab支持向量機工具箱編程實現系統的學習訓練過程，由80個學習樣本訓練而得到的函數擬合結果如下圖1所示。本文引用地址：http://cqxgywz.com/article/187585.htm
利用訓練好的神經網絡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，研究了風力發電系統中隨風速變化槳距角的值，由函數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構最小化原則代替經驗經驗最小化原則，采用適當的核函數，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，加上外圍電路的設計，即可應用在風電系統的控制領域。
評論