基于PSO优化LS-SVM的短期风速预测

• 作者: 张广明 王莉 袁宇浩 龚松建
• 来源期刊: 可再生能源
• 学科: 工学
• 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
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 研究与试验
• 页码范围: 22-27
• 分类号: TK81|TM712
• 字数: 4669字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2011.02.006

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人,建立预测模型,并用粒子群算法优化模型参数.在对未来1h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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁宇浩	南京工业大学自动化与电气工程学院	26	200	7.0	13.0
2	张广明	南京工业大学自动化与电气工程学院	192	1540	18.0	27.0
3	王莉	南京工业大学自动化与电气工程学院	30	213	9.0	13.0
4	龚松建	南京工业大学自动化与电气工程学院	2	20	1.0	2.0