基于小世界优化的支持向量机风电功率预测

被引：6

作者：

王爽心

李涛

孙东旭

刘如九

机构：

[1] 北京交通大学机械与电子控制工程学院

来源：

太阳能学报 | 2015年 / 36卷 / 03期

关键词：

小世界优化算法; 支持向量机; 参数寻优; 风电功率; 预测模型;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

采用基于实数编码的小世界优化算法(RSWOA)对SVM的惩罚因子C和核函数参数σ进行优化选取,使其具有收敛速度快和全局寻优的优点,提出基于实数编码小世界优化算法的支持向量机改进模型(RSWOASVM)。将该模型应用于实际风场的风电功率预测中,研究表明,RSWOA能快速准确找到SVM模型参数的全局最优解,进而可使RSWOA-SVM改进模型取得较理想的预测精度。

引用

收藏

页码：720 / 726

页数：7

相关论文

共 14 条

[1] 基于连续时间段聚类的支持向量机风电功率预测方法 [J].

丁志勇 ;

杨苹 ;

杨曦 ;

张臻 .

电力系统自动化, 2012, 36 (14) :131-135+149

[2] 基于相似数据的支持向量机短期风速预测仿真研究 [J].

杨锡运 ;

孙宝君 ;

张新房 ;

李利霞 .

中国电机工程学报, 2012, 32 (04) :35-41+21

[3] 基于经验模态分解和支持向量机的短期风电功率组合预测模型 [J].

叶林 ;

刘鹏 .

中国电机工程学报, 2011, 31 (31) :102-108

[4] 基于遗传优化的最小二乘支持向量机风电场风速短期预测 [J].

杨洪 ;

古世甫 ;

崔明东 ;

孙禹 .

电力系统保护与控制, 2011, 39 (11) :44-48+61

[5] 基于T-S模型和小世界优化算法的广义非线性预测控制 [J].

王爽心 ;

董旸 ;

刘海瑞 .

控制与决策, 2011, 26 (05) :673-678

[6] 基于组合预测方法的风电场短期风速预测 [J].

彭怀午 ;

刘方锐 ;

杨晓峰 .

太阳能学报, 2011, 32 (04) :543-547

[7] 基于新型实数编码小世界算法的超临界机组主汽温优化控制 [J].

王爽心 ;

刘海瑞 .

中国电机工程学报, 2010, 30(S1) (S1) :131-137

[8] 风电场输出功率年度预测中有效风速预测研究 [J].

王晓兰 ;

李辉 .

中国电机工程学报, 2010, 30 (08) :117-122

[9] 基于小波分析的风电场短期发电功率预测 [J].

王丽婕 ;

冬雷 ;

廖晓钟 ;

高阳 .

中国电机工程学报, 2009, 29 (28) :30-33

[10] 基于蚁群支持向量机的短期负荷预测 [J].

魏俊 ;

周步祥 ;

林楠 ;

邢义 .

电力系统保护与控制, 2009, 37 (04) :36-40