基于支持向量机的风电场快速投资估算

华电技术 ›› 2012, Vol. 34 ›› Issue (6): 73-76.

• 新能源 • 上一篇

基于支持向量机的风电场快速投资估算

方疆1，刘庆超2

1.新疆华电十三间房风电有限责任公司，新疆哈密839000；2.华电电力科学研究院，浙江杭州310030

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-06-25

Fast estimation of wind farm investment based on support vector machine

FANG Jiang1, LIU Qingchao2

1.Xinjiang Huadian Shisanjianfang Wind Power Company Limited, Hami 839000, China; 2.China Huadian Electric Power Research Institute, Hangzhou 310030, China

Received:1900-01-01 Revised:1900-01-01 Published:2012-06-25

摘要/Abstract

摘要： 风电项目投资估算是项目投资决策的重要依据，其精确性是投资决策正确与否的关键因素。对影响投资的主要因素进行了分析，建立了基于支持向量机(SVM)的投资估算模型，最终确定了13个重要影响参数。对实际工程数据进行了模拟验证，模拟结果表明，该模型预测精度较高。

关键词: 投资估算, 风电场, 支持向量机, 模拟验证, 预测精度

Abstract: The investment estimation of a wind farm project is an important basis of the project investment decision. The precision of the investment estimation is the key factor which makes the investment decision to be right or bad. The major factors influencing on the investment were analyzed; an investment estimation model based on support vector machine (SVM) was established; and 13 important affecting parameters were determined finally. The model was simulated and verified by actual engineering data, and the simulation result shows that the forecast precision of the model is higher.

Key words: investment estimation, wind farm, support vector machine (SVM), simulating verification, forecast precision

方疆;刘庆超. 基于支持向量机的风电场快速投资估算[J]. 华电技术, 2012, 34(6): 73-76.

FANG Jiang;LIU Qingchao. Fast estimation of wind farm investment based on support vector machine[J]. Huadian Technology, 2012, 34(6): 73-76.

[1]	魏伟, 高赐威, 宋梦, 明昊. 基于HHO-SVM的电力线路故障检测分类系统[J]. 综合智慧能源, 2023, 45(3): 1-8.
[2]	雍和忠, 章宁, 黄伟, 魏峥, 吴燕玲, 钟崴. 基于XGBoost的供热系统热力站调控预测方法[J]. 综合智慧能源, 2023, 45(12): 36-42.
[3]	王康平, 张兴科, 刘财华, 沈希澄, 周霞. 基于自适应下垂控制的风电场无功电压控制策略[J]. 综合智慧能源, 2022, 44(4): 12-19.
[4]	胡倩, 孙志达, 江坷滕, 雷一, 李海波. 基于短期负荷打捆预测的售电公司偏差考核控制方法[J]. 华电技术, 2021, 43(4): 47-55.
[5]	曹力，潘巧波，王明宇，马东. 基于混合核函数支持向量机的风电机组发电机温度预警方法[J]. 华电技术, 2020, 42(5): 43-49.
[6]	解加盈，郭鹏. 基于多变量选择的深度神经网络功率曲线建模[J]. 华电技术, 2019, 41(8): 27-31.
[7]	李牡丹王印松李亚玲. 基于灰色模型的风速概率分布参数预测[J]. 华电技术, 2018, 40(1): 1-4.
[8]	杨光磊，张邦彬. 风电场工程节能评估中电能损耗的计算方法[J]. 华电技术, 2016, 38(3): 74-76.
[9]	陶莉1，朱小光2. 数据预处理对电力负荷预测精度的影响[J]. 华电技术, 2015, 37(9): 8-10.
[10]	黄春犁，高敏，高金明. 无线数传电台技术在风电场ＳＣＡＤＡ系统中的应用[J]. 华电技术, 2015, 37(10): 72-75.
[11]	胡森，张磊，程磊，杨飞. 风电场集电线路小电阻接地系统的工程应用[J]. 华电技术, 2014, 36(9): 73-76.
[12]	王建强. 中电投内蒙古四子王旗风电供热项目介绍及示范作用[J]. 华电技术, 2014, 36(7): 32-33.
[13]	李鹏，姚俊冰，毕晓颖. 风力发电机集电环故障率高的原因分析及措施[J]. 华电技术, 2014, 36(2): 75-77.
[14]	乔松珊;张建军. 基于灰色周期组合模型的电力月度负荷预测方法[J]. 华电技术, 2012, 34(8): 14-16.
[15]	李强强. 与风电场匹配的并网型微电网应用模式探讨[J]. 华电技术, 2012, 34(4): 67-70.

基于支持向量机的风电场快速投资估算

Fast estimation of wind farm investment based on support vector machine

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价