10.3969/j.issn.1674-3415.2011.11.008
基于遗传优化的最小二乘支持向量机风电场风速短期预测
风电场短期风速的准确预测能为风电并网运行的规划、调度、运行和控制提供及时有效的信息.支持向量机基于结构风险最小化原理,从整体上考虑曲线的平滑度对数据进行拟合,对风速预测时能及时跟踪其变化趋势.针对支持向量参数难以确定问题,采用遗传算法对最小二乘支持向量机惩罚系数C和核参数σ<'2>寻优,在对参数遗传编码时,通过对数变换编码提高了搜索灵敏度,加快了模型收敛速度.最终利用现场连续150 h实测风速样本,对其中最后12 h进行预测,结果与广义回归神经网络(GRNN)相比,表明LS-SVM有更好的泛化能力,且取得了相对误差绝对值的平均值为8.32%的良好效果.
遗传算法、支持向量机、参数优化、短期风速预测
39
TM614(发电、发电厂)
2011-09-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
44-48,61