基于粒子群最小二乘支持向量机的风电场短期功率预测
准确的风功率预测可以提高风电场的穿透功率,优化电网调度,提高电力系统运行稳定性.预测方法的选择与预测模型参数的优化对于风电场功率预测的准确性至关重要.最小二乘支持向量机预测模型采用网格搜索法进行参数寻优的精确度较差,为提高准确性,本文采用基于全局搜索的粒子群算法对最小二乘支持向量机中影响回归性能的参数进行优化,以历史风速和历史功率数据作为输入,以风电场短期功率作为输出建立风电场短期功率预测模型(PSO-LSSVM).并将PSO-LSSVM预测模型与前馈(BP)神经网络模型和LSSVM预测模型的预测结果采用多种误差指标进行对比,仿真结果表明PSO-LSSVM预测模型可以提高预测的准确性和鲁棒性,是一种有效的风电场短期功率预测方法.
风电场 风功率预测 粒子群算法 最小二乘支持向量机
杨晓雷 郭磊 张涛 孙晓伟
国网嘉兴供电公司 浙江嘉兴314033 三峡大学电气与新能源学院 湖北宜昌443002
国内会议
浙江衢州
中文
60-64
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）