基于蚁群优化的最小二乘支持向量机风速预测模型研究

被引：27

作者：

曾杰

张华

机构：

[1] 华北电力大学可再生能源学院

来源：

太阳能学报 | 2011年 / 32卷 / 03期

关键词：

风速预测; 最小二乘支持向量机; 蚁群优化算法; 风电场; 风力发电;

D O I：

10.19912/j.0254-0096.2011.03.003

中图分类号：

TK81 [风能];

学科分类号：

摘要：

基于最小二乘支持向量机理论,建立风速预测模型。同时,由于最小二乘支持向量机参数选取尚无有效方法,该文尝试采用蚁群算法理论来进行参数优化选择。选取某风场前四天的实测风速(采样间隔30min),应用所建立的风速预测模型,来预测第五天的48个风速值,其预测的平均绝对百分比误差仅为9.53%,预测效果较理想,验证了应用蚁群优化算法理论与最小二乘支持向量机理论进行风速预测的可行性,可为风电场规划选址和风力发电功率预测等提供理论支持。

引用

页码：296 / 300

页数：5

共 9 条

[1] 小波分析应用于风力发电预测控制系统中的风速预测
张彦宁
康龙云
周世琼
曹秉刚
[J]. 太阳能学报, 2008, (05) : 520 - 524
[2] 基于负荷混沌特性和最小二乘支持向量机的短期负荷预测
王德意
杨卓
杨国清
[J]. 电网技术, 2008, (07) : 66 - 71
[3] 基于支持向量机的中长期电力负荷组合预测
肖先勇
葛嘉
何德胜
[J]. 电力系统及其自动化学报, 2008, (01) : 84 - 88
[4] 遗传算法在风力机风轮叶片优化设计中的应用
刘雄
陈严
叶枝全
[J]. 太阳能学报, 2006, (02) : 180 - 185
[5] 支持向量机导论[M]. 电子工业出版社 , (英)NelloCristianini,（英）JohnShawe-Taylor著, 2004
[6] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[7] Short-term forecasting of wind speed and related electrical power
Alexiadis, MC
Dikopoulos, PS
Sahsamanoglou, HS
Manousaridis, IM
[J]. SOLAR ENERGY, 1998, 63 (01) : 61 - 68
[8] Time-series models for reliability evaluation of power systems including wind energy[J] . R. Billinton.Microelectronics Reliability . 1996 (9)
[9] Wind power prediction in Germany-recent advances and future challenges. Bernhard L,Kurt R,Bernhard E,etal. European Wind Energy Conference . 2006

← 1 →