基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测

被引：143

作者：

李霄 ^{[1
]}

王昕 ^{[1
]}

郑益慧 ^{[1
]}

李立学 ^{[1
]}

生西奎 ^{[2
]}

吴昊 ^{[2
]}

机构：

[1] 上海交通大学电工与电子技术中心

[2] 国网吉林省电力有限公司延边供电公司

来源：

电力系统保护与控制 | 2015年 / 43卷 / 11期

基金：

上海市自然科学基金;

关键词：

提升小波; 最小二乘支持向量机; 误差预测; 风电负荷预测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

为了提高风电负荷预测精度,保证风电场资源得到有效利用,提出了基于改进最小二乘支持向量机和预测误差校正相结合的方法。首先引入提升小波分解原始数据,可以有效提取其主要特征,从而克服风电场的随机性。然后采用最小二乘支持向量机对分解后的信号做预测,保证了预测精度。接着用误差校正方式修正预测结果,减少了较大误差点的出现,提高了预测结果的稳定性。最后,通过某风电场预测结果表明,基于提升小波和最小二乘支持向量机的方法可以提高预测的精度,误差预测的方法也可以有效地校正预测结果。仿真结果验证了该方法用于风电负荷预测是有效可行的。

引用

页码：63 / 69

页数：7

共 13 条

[1]

Error analysis of short term wind power prediction models.[J].Maria Grazia De Giorgi;Antonio Ficarella;Marco Tarantino.Applied Energy.2010, 4

[2]

基于风电场功率特性的日前风电预测误差概率分布研究 [J].