共 8 条
- [8] Modeling and forecasting the mean hourly wind speed time series using GMDH-based abductive networks[J]. RENEWABLE ENERGY, 2009, 34 (07) : 1686 - 1699Abdel-Aal, R. E.Elhadidy, M. A.Shaahid, S. M.
基于PSO优化LS-SVM的短期风速预测
被引：15
作者：
龚松建
袁宇浩
王莉
张广明
机构：
[1] 南京工业大学自动化与电气工程学院
来源：
关键词：
风速预测;
粒子群优化;
最小二乘支持向量机;
神经网络;
D O I：
10.13941/j.cnki.21-1469/tk.2011.02.015
中图分类号：
TK81 [风能];
学科分类号：
摘要：
提出了一种基于粒子群(PSO)算法优化最小二乘支持向量机(LS-SVM)的风电场风速预测方法。以相关性较高的历史风速序列作为输入,建立预测模型,并用粒子群算法优化模型参数。在对未来1 h风速进行预测时,文章所提出的模型比最小二乘支持向量机模型及BP神经网络模型具有较高的预测精度和运算速度。算例结果表明,经粒子群优化的最小二乘支持向量机算法是进行短期风速预测的有效方法。
引用
收藏
页码：22 / 27
页数：6
相关论文