Page 33 - 电力与能源2024年第五期

戴 金：基于最小二乘支持向量机的新型电力系统谐波分量预测 565

1.2 核函数
核函数对 LSSVM 的性能具有较大影响。为
了选择合理的核函数，采用不同的核函数对采集到
的信号进行分析，然后选择误差最小的核函数。

本文采用的核函数有 LINEAR 核函数、RBF
核函数、PLOY 核函数和 Sigmoid 核函数，可分别
表示为
T
k( x i，x j) = x i x j （16）
2δ )
(  x i - x j  2
k( x i，x j) = exp - 2 （17）

k( x i，x j) =( x i ⋅ x j + v) d （18）
k( x i，x j) = tanh( τx i ⋅ x j + v) （19）

2 谐波分量预测模型

2.1 预测模型训练原理
谐波次数在 2~19 之间的谐波含量对新型电

力系统电能质量的影响较大。采用 LSSVM 进行
谐波预测时，模型结构原理如图 1 所示。

图 2 采样点电流波形
由图 2 可知，不同能量来源电流波形中的谐
图 1 LSSVM 预测模型结构原理
波含量不同，信号较为复杂。为了提高预测模型
训练数据来源于分布式风力发电系统、分布
的预测精度，对于波动较大、谐波含量较高的信
式光伏发电系统以及混合储能装置充放电系统。 号，需选择具有较强自适应能力的核函数，本文选
使用记录仪实时采集上述系统的电流信号，采样 择了式（17）所示的 RBF 核函数。对于较为平稳、

频率为 10 kHz，采样持续时间为 1 min，每次采样 谐 波 含 量 较 低 的 信 号 ，可 选 择 式（16）所 示 的
时间间隔为 15 min，每个点共采样 5 次。 LINEAR 核函数。
采样点电流波形如图 2所示。图 2（a）所示为某 RBF 核函数具有强大的学习能力，LINEAR
一分布式风力发电系统的输出电流波形，图 2（b）所 核函数具有较好的外推能力。通过这两个核函数
示为某一分布式光伏发电系统的输出电流波形，图 可准确预测不同能量来源的分布式系统中采样点
2（c）所示为某一储能装置的充放电电流波形。 处的谐波含量。