基于IPSO-LSSVM的风电功率短期预测研究

• 作者: 张子泳 张承学 张翌晖 王贺 胡志坚
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 风电功率预测 改进粒子群算法 最小二乘支持向量机 IPSO-LSSVM 误差分析
• 年，卷（期）: 2012,（24）
• 所属期刊栏目: 应用研究
• 页码范围: 107-112
• 页数: 6页
• 分类号: TM715
• 字数: 3621字
• 语种: 中文

摘要

风电功率预测的关键是预测模型的选择和模型性能的优化.选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法(improved particle swarm optimization algorithm,IPSO)对影响最小二乘支持向量机回归性能的参数进行优化.在建立了改进的粒子群算法优化最小二乘支持向量机(LSSVM)的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究.为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机(support vector machine,SVM)模型进行了预测.最后采用多种误差指标对三种模型的预测结果进行综合分析.结果表明,使用改进的粒子群算法优化最小二乘向量机(IPSO-LSSVM)的风电功率预测模型具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张承学	武汉大学电气工程学院	87	1421	22.0	33.0
2	胡志坚	武汉大学电气工程学院	119	2526	24.0	48.0
3	王贺	武汉大学电气工程学院	20	528	8.0	20.0
4	张翌晖		3	169	3.0	3.0
5	张子泳	武汉大学电气工程学院	12	277	9.0	12.0