基于BN分解和ALO优化LSSVM模型的风电出力预测

被引：8

作者：

郭森

机构：

[1] 华北电力大学经济与管理学院

来源：

智慧电力 | 2017年 / 45卷 / 07期

基金：

中央高校基本科研业务费专项资金资助; 国家重点研发计划;

关键词：

风电出力预测; BN分解法; LSSVM模型; ALO算法; 混合预测模型;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

准确的风电出力预测对电力系统的安全稳定运行和减少系统运行成本至关重要。将BN分解法、蚁蛳优化算法(ALO)和最小二乘支持向量机模型(LSSVM)相结合,提出了一种短期风电出力预测BN-ALO-LSSVM混合模型。该模型首先将风电出力原始时间序列分解为各子序列,进而运用LSSVM模型对各子序列分别进行预测;与此同时,为提升预测精度,运用ALO群体智能优化算法确定LSSVM模型的最优参数。实例结果表明:与LSSVM,BN-LSSVM和ALO-LSSVM模型相比,本文提出的风电出力预测BN-ALO-LSSVM混合模型的预测精度最高,且是有效可行的。

引用

页码：92 / 99

页数：8

共 12 条

[1]

基于条件Copula函数的风电功率区间预测 [J].