热能动力工程

作者：黄致谦,丁勤卫,李 春

单位：上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,

关键词：风速;时间序列;非线性;短期预测

基金：国家自然科学基金（51676131，51811530315，51176129）

针对风速时间序列复杂的非线性特征，根据C-C算法确定重构参数（嵌入维数及延迟时间）并对风速重构相空间，建立径向基函数神经网络(RBF网络)及Volterra自适应预测模型对风速时间序列进行预测，以Lorenz方程数值解为例验证了两种预测方法的可行性。结果表明：RBF神经网络模型和Volterra自适应预测模型都能对实测风速时间序列进行较为准确的预测，预测误差分别在0.3和0.1 m/s内；Volterra自适应预测模型预测结果总体较RBF神经网络模型预测精度更高，且随着预测时间的增大，预测误差呈增大趋势，这与混沌存在初值敏感性的特征相符。

来源：2019年第9期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2019年第9期