基于IPSO-LSSVM的风电功率短期预测研究
风电功率预测的关键是预测模型的选择和模型性能的优化.选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法(improved particle swarm optimization algorithm,IPSO)对影响最小二乘支持向量机回归性能的参数进行优化.在建立了改进的粒子群算法优化最小二乘支持向量机(LSSVM)的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究.为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机(support vector machine,SVM)模型进行了预测.最后采用多种误差指标对三种模型的预测结果进行综合分析.结果表明,使用改进的粒子群算法优化最小二乘向量机(IPSO-LSSVM)的风电功率预测模型具有较高的预测精度.
风电功率预测、改进粒子群算法、最小二乘支持向量机、IPSO-LSSVM、误差分析
40
TM715(输配电工程、电力网及电力系统)
国家自然科学基金项目61074101;博士点基金项目20110141110032;教育部中央高校基本科研业务费专项资金资助20112072020008
2013-04-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
107-112