基于最小二乘支持向量机的风功率短期预测

被引：11

作者：

刘代刚 ^{[1
]}

周峥 ^{[2
]}

杨楠 ^{[2
]}

黄河 ^{[3
]}

王震泉 ^{[1
]}

许文超 ^{[1
]}

机构：

[1] 江苏省电力设计院

[2] 新能源微电网湖北省协同创新中心三峡大学

[3] 江苏省电力公司

来源：

陕西电力 | 2014年 / 42卷 / 10期

关键词：

风功率; 短期预测; 支持向量机; 粒子群算法;

D O I：

暂无

中图分类号：

TM614 [风能发电]; TP18 [人工智能理论];

学科分类号：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了减小风力发电的随机性对电力系统的影响,提出了一种基于最小二乘支持向量机的风功率短期预测模型。在研究最小二乘支持向量机的基础上,为解决最小二乘支持向量机建模时其参数对预测性能影响,运用粒子群算法对参数进行优化,最后建立了基于粒子群优化最小二乘支持向量机的预测模型。运用某风电场的实测数据进行仿真研究,为了对比分析,同时利用E1man神经网络模型和支持向量机模型进行了预测,仿真结果表明,本文所提方法与其它方法相比预测精度更高,可以有效地应用于风功率的预测。

引用

页码：18 / 21

页数：4

共 13 条

[1]

Multiscale prediction of wind speed and output power for the wind farm[J]. Xiaolan WANG 1,2 , Hui LI 1,2 1.School of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou Gansu 730050, China;2.Key Laboratory of Gansu Advanced Control for Industrial Processes, Lanzhou Gansu 730050, China.Journal of Control Theory and Applications. 2012(02)

[2] 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].