支持向量回归机在风电系统桨距角预测中的应用
加入技术交流群
2．3 Matlab仿真
2．3．1回归拟合
在Matlab编程实现函数的回归拟合，并检验数据。主函数程序段如下：
2．3．2 函数回归拟合并检验的仿真结果
应用Matlab支持向量机工具箱编程实现系统的学习训练过程，由80个学习样本训练而得到的函数拟合结果如下图1所示。本文引用地址：https://www.eepw.com.cn/article/187585.htm
利用训练好的神经网络模型可以对桨距角进行预测，只要输入即时风速，就可确定出相应桨距角大小。之前利用BP算法的均方误差为0．290 3，LM算法的均方误差为0．278 1。图2为由SVR算法对48个样本值检验的结果。可知，预测值与实际桨距角值基本一致。拟合误差err=0．175 6。
3 结束语
文中介绍了支持向量机的回归算法理论，用SVR算法代替之前的BP算法和LV算法，研究了风力发电系统中随风速变化桨距角的值，由函数拟合理论对桨距角进行了预测并检验，由于支持向量机采用结构最小化原则代替经验经验最小化原则，采用适当的核函数，同比其他算法使拟合误差达到了最小，大大提高了变桨距系统的精度和效率。将该算法应用于DSP芯片上稍作改进，加上外围电路的设计，即可应用在风电系统的控制领域。
评论