基于WRF模式和PSO-LSSVM的风电场短期风速订正

风速预测是风电场风电功率预测的基础与前提,以数值天气预报（WRF模式）为基础进行风速预测,为了提高WRF模式预测的准确性,采用最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）对WRF模式输出的风速进行订正。同时,为提高LSSVM算法的精确度和减小拟合过程的复杂度,采用粒子群优化算法（Particle Swarm Optimization,PSO）对其参数进行优化。试验结果表明:采用LSSVM订正可以进一步减小WRF模式预测风速的误差,再经过PSO优化后,相对均方根误差和相对平均绝对误差降低了5%10%,均方根误差下降了0.5 m/s。与未经优化的LSSVM以及极限学习机（ELM）算法对比分析后得出,粒子群优化最小二乘支持向量机（PSO-LSSVM）对WRF模式预测的风速有较好的订正效果,能进一步提高风速预测的准确性。