基于改进灰狼算法优化WLSSVM的短期风功率预测

为提高风功率短期预测的准确率，提出一种基于改进灰狼算法优化加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine,WLSSVM）的短期风功率预测方法。采用C-C法对风功率时间序列的嵌入维数进行了计算，根据计算结果确定短期风速预测输入量与输出量的关系。利用Tent映射和参数非线性调整策略对灰狼算法进行改进，得到了优化性能更强的改进灰狼优化（Improved Grey Wolf Optimization,IGWO）算法，并利用测试函数验证了IGWO算法能够加快迭代收敛，提高计算精度。采用IGWO算法对WLSSVM的惩罚系数和核参数进行优化，建立基于IGWO-WLSSVM的短期风功率预测模型。采用某风电场春夏两个不同季节的风功率数据进行算例分析，结果表明，所提短期风功率预测结果的平均相对误差、均方根误差和最大相对误差更小，风功率预测精度和预测结果的稳定性均优于其他方法，验证了所提方法的有效性和实用性。