基于VMD-IPSO-LSSVM的短期风速预测

摘要：

为了降低风速数据序列的波动性,提高短期风速预测精度,对风速数据序列进行变分模态分解(variational modal decomposition,VMD),采用改进粒子群(improved particle swarm optimization,IPSO)算法对最小二乘支持向量机(least squares support vector machines,LSSVM)进行参数寻优,建立基于VMD-IPSO-LSSVM的短期风速预测模型.利用VMD分解获得 8 个模态分量,对各分量分解建立IPSO-LSSVM预测模型,得到各分量预测值,将各分量预测值叠加获得风速预测值.采用实际风速数据进行算例分析,结果表明,VMD-IPSO-LSSVM模型对风速预测结果的平均相对误差为 3.34％,均方根误差为 0.239,预测精度高于其他短期风速预测模型,验证了VMD-IPSO-LSSVM模型在短期风速预测方面的准确性和优越性.

关键词：风速预测、变分模态分解、改进粒子群算法、最小二乘支持向量机

所属期刊栏目：44

分类号：TM621(发电、发电厂)

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41