基于IPSO-LSSVM的风电功率短期预测研究 |
| |
作者姓名: | 王贺 胡志坚 张翌晖 张子泳 张承学 |
| |
作者单位: | 1.武汉大学电气工程学院,湖北 武汉 430072;2.广西电力科学研究院,广西 南宁 530023 |
| |
基金项目: | 国家自然科学基金项目(61074101);博士点基金项目(20110141110032);教育部中央高校基本科研业务费专项资金资助(20112072020008) |
| |
摘 要: | 风电功率预测的关键是预测模型的选择和模型性能的优化。选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法(improved particle swarm optimization algorithm ,IPSO)对影响最小二乘支持向量机回归性能的参数进行优化。在建立了改进的粒子群算法优化最小二乘支持向量机(LSSVM)的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究。为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机(support vector machine,SVM)模型进行了预测。最后采用多种误差指标对三种模型的预测结果进行综合分析。结果表明,使用改进的粒子群算法优化最小二乘向量机(IPSO-LSSVM)的风电功率预测模型具有较高的预测精度。
|
关 键 词: | 风电功率预测;改进粒子群算法;最小二乘支持向量机;IPSO-LSSVM;误差分析 |
|
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |