模糊信息粒化和GWO-SVM算法结合的短期风速范围预测

摘要：

为了实现对风速范围区间的准确预测,提出一种基于模糊信息粒化和灰狼优化-支持向量机(G WO-SVM)算法的风速预测模型.该模型首先利用模糊信息粒子,从一段连续时间的风速值提取出最大值、最小值及大致的平均水平值;然后,采用时间序列风速输入模型,构建输入支持向量机模型的标签向量与特征矩阵;最后,通过灰狼算法进行支持向量机预测模型的参数寻优,实现对风速范围区间的准确预测.在实例验证阶段,将风速历史数据进行模糊粒化,采取4种不同的参数寻优方式对支持向量机预测模型进行参数寻优.结果 表明:GWO-SVM算法可以有效地提高风速范围预测的精确度.

关键词：风速预测、时间序列、模糊信息粒化、灰狼算法、支持向量机

所属期刊栏目：41

分类号：TM614;TP301.6(发电、发电厂)

资助基金：国家自然科学基金资助项目;湖北工业大学绿色工业引领计划资助项目;湖北工业大学大学生创新创业训练计划资助项目

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：674-682