论文部分内容阅读
风电场运行数据中含有异常风速值，为了优化风电数据的质量，提出了组合预测与Bayesian后验比的异常值检测方法。为了降低预测误差，先对风速序列建立Adaboost—BP网络和EMD—LV—SVM的组合预测模型，利用预测值与测量值的偏差得到含有粗大误差的残差序列；为了提高检测方法的可靠性，采用Bayesian后验比的检验方法识别残差序列中粗大误差，从而确定异常风速值的位置，并利用ARIMA方法修正异常风速值。RBF预测结果表明，所提方法能准确识别异常值，从而提高了风电场短期风速预测精度。