基于改进PSO-DE融合算法优化LSSVM的短期风功率预测 |
| |
引用本文: | 张志浩,熊文洁,钟文,印云刚,刘闯,郭文超.基于改进PSO-DE融合算法优化LSSVM的短期风功率预测[J].山东电力技术,2022(10):9-15. |
| |
作者姓名: | 张志浩 熊文洁 钟文 印云刚 刘闯 郭文超 |
| |
作者单位: | 1. 国网湖北省电力有限公司荆门供电公司;2. 国网湖北省电力有限公司荆州供电公司;3. 三峡大学电气与新能源学院 |
| |
基金项目: | 国家自然科学基金项目(61876097); |
| |
摘 要: | 为了提高短期风功率预测精度,采用惯性权系数、粒子初始化规则调整和越界粒子变异操作等策略对粒子群—差分进化(Particle Swarm Optimization-Differential Evolution,PSO-DE)融合算法进行改进,形成改进PSO-DE融合算法,从而提高改进PSO-DE融合算法的优化性能。采用改进PSO-DE融合算法对最小二乘支持向量机进行优化,建立基于改进PSO-DE融合算法优化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的短期风功率预测模型。采用风电场实际运行数据进行算例分析,结果表明,PSO-DE融合算法能够减少迭代次数,提高收敛精度,基于改进PSO-DE融合算法优化LSSVM的风功率预测模型的平均相对误差、全局最大误差和均方根误差分别为3.26%、5.97%和13.53,预测精度高于其他几种风功率预测方法,验证了所提出的改进策略及短期风功率预测模型的正确性。
|
关 键 词: | 风功率 预测 最小二乘支持向量机 粒子群 差分进化 |
|
|