基于CGM-IPSO-LSSVM的短期风电功率预测

摘要：

为了电网的安全运行,应充分考虑气象等相关因素对风电的影响程度来预测短期风电功率.提出采用改进灰色模型(CGM)、改进粒子群算法(IPSO)和最小二乘支持向量机(LSSVM)混合的预测方法.CGM-IPSO-LSSVM方法采用灰色模型的关联性分析不同时刻的气象等相关因素的数据,根据分析所得的气象等相关因素数据来确定风参量的权重,再根据权重运用最小二乘支持向量机对风向量进行估计,并以风向量的估计值为依据,以收敛性更好的改进粒子群算法对CGM模型进行优化,求解出最终预测结果,对预测结果出现的误差,采用傅里叶残差序列进行补偿.实验结果表明,提出的CGM-IPSO-LSSVM预测方法考虑了多因素影响和克服了参数选择优化的问题,其预测精度在要求的范围内大幅提高,为风电并网的调度提供了有力依据,降低了弃风率.

关键词：短期风电功率预测、改进灰色模型、改进粒子群算法、最小二乘支持向量机、融合预测

分类号：TM614;TM715(发电、发电厂)

在线出版日期：2023-07-04（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：22-26,59