基于改进遗传算法寻优的SVM风能短期功率预测

为了减少并网后风能随机性,波动性等问题对电力系统安全稳定运行的不利影响,提高风电功率预测精度,本文采用基于结构风险最小化的支持向量机进行建模。针对支持向量机参数难确定的问题,利用小生境遗传算法对支持向量机惩罚参数C和核函数δ进行寻优,并对算法中小生境半径L值难确定的问题,引入自适应的思想,使L并不取某个固定值,而是随着最优个体的变化而变化。最后利用现场连续668h实测风能功率输出值,对其中最后24h进行预测,实验结果表明,该方法与改进前相比,参数更优,预测精度更高,且取得了eMSE为9.5%的良好结果,可以为风能功率预测提供参考。