基于GA优化的加权LSSVM短期风速预测

被引：18

作者：

梁涛

孙天一

邹继行

侯振国

机构：

[1] 河北工业大学控制科学与工程学院

来源：

高技术通讯 | 2019年 / 29卷 / 02期

关键词：

风电场; 风速预测; 遗传算法(GA); 加权最小二乘支持向量机(WLSSVM); 参数最优;

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：

精确的风电场风速预测可以提高风力发电在电力市场中的竞争力,还可提高电力系统的稳定性。为了降低短期风速预测的误差,提出了基于遗传算法(GA)优化加权最小二乘支持向量机(WLSSVM)的短期风速预测模型。该模型以风场实测风速数据作为模型的输入向量,根据遗传算法对加权最小二乘支持向量机的惩罚参数和核函数参数寻找最优解,以此建立起参数最优的风速预测模型。该模型用于研究某风电场同一季节连续的300个(采样间隔1h)历史风速数据,取前240个数据为训练集,后60个数据为预测集,预测结果的平均绝对百分比误差仅为11.88%。与只采用最小二乘支持向量机(LSSVM)进行预测的模型对比,该模型预测精度较高。

引用

页码：142 / 148

页数：7

共 16 条

[1]

A new strategy for wind speed forecasting using artificial intelligent methods.[J].Mohammad Monfared;Hasan Rastegar;Hossein Madadi Kojabadi.Renewable Energy.2008, 3

[2]

Forecast of hourly average wind speed with ARMA models in Navarre (Spain).[J].J.L. Torres;A. García;M. De Blas;A. De Francisco.Solar Energy.2004, 1

[3]

Short-term forecasting of wind speed and related electrical power [J].