Es wurde ein neues robustes Modell einer unterstützenden Vektorregressionsmaschine mit kleinsten Quadrate (LSSVM) auf der Grundlage einer adaptiven Online-Korrektur vorgeschlagen, um das Problem der Anpassung an verschiedene Arbeitsbedingungen und der geringen Robustheit bei der Nutzung von Felddaten zu lösen. Diese Methode verwendet die Gesamtgröße des Vorhersagefehlers als Schwellenwert und aktualisiert automatisch die Parameter entsprechend den verschiedenen Arbeitsbedingungen, um die Anpassungsfähigkeit des Modells an die Daten zu verbessern; gleichzeitig verwendet das Modell die unscharfe Zugehörigkeit, um dynamische Gewichte dem quadratischen Fehlerelement im Optimierungsproblem der unterstützenden Vektorregressionsmaschine zuzuweisen und die Fähigkeit des Modells zur Rauschunterdrückung zu verstärken. Diese Methode wurde auf reale Daten eines Kraftwerks angewendet, um das Windvolumen vorherzusagen, und wurde mit dem herkömmlichen LSSVM-Modell verglichen. Die Ergebnisse zeigten, dass das Modell, das durch diesen Algorithmus erstellt wurde, robust und präzise war. Dieses Modell kann Echtzeitdatenprognosen und -schätzungen in verschiedenen Arbeitsumgebungen erfüllen und eine hervorragende Datenunterstützung für verschiedene Online-Überwachungssysteme bieten.

Adaptive Online-Steuerung; Robustheit; unterstützende Vektorregressionsmaschine mit kleinsten Quadraten; Unscharfe Zugehörigkeit; Windvolumen; Weiche Messung