基于APSO-GSA和相关向量机的短期风电功率预测

被引：20

作者：

田壁源 ^{[1
]}

刘琪 ^{[1
]}

张新燕 ^{[2
]}

王昱洁 ^{[1
]}

张怡帆 ^{[1
]}

郭红艳 ^{[1
]}

常喜强 ^{[1
]}

机构：

[1] 国网乌鲁木齐供电公司

[2] 新疆大学电气工程学院

来源：

电力系统保护与控制 | 2020年 / 48卷 / 02期

关键词：

风电功率预测; 相关向量机; 万有引力搜索算法; 自适应粒子群算法;

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：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

精确的短期风电功率预测建模对于提升新能源电力系统经济稳定运行十分重要。针对传统预测方法在小样本学习、精细化建模、概率性预测等方面的不足和易陷入局部最优的影响,首先以相关向量机(RVM)理论为核心,建立了基于RVM的风电功率预测模型。然后,针对万有引力搜索算法(GSA)缺少跳出局部最优机制和群体记忆功能,提出了一种结合自适应粒子群算法(APSO)的APSO-GSA混合优化算法,利用该算法对RVM模型参数进行优化。最后,以中国西北某风电场运行数据为例进行验证。结果表明,所提方法具有更高的建模精度和更快的收敛速度,实现了利用少量样本和简单模型对未来时刻风电功率的精确预测。

引用

页码：107 / 114

页数：8

共 15 条

[1]

短期风电功率动态云模型不确定性预测方法 [J].