引用本文: | 王贺,胡志坚,张翌晖,等.基于IPSO-LSSVM的风电功率短期预测研究[J].电力系统保护与控制,2012,40(24):107-112.[点击复制] |
,et al.[J].Power System Protection and Control,2012,40(24):107-112[点击复制] |
|
摘要: |
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。 |
关键词: 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 |
DOI:10.7667/j.issn.1674-3415.2012.24.018 |
|
基金项目: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) |
|
|
|
() |
Abstract: |
|
Key words: |