基于改进PSO-LSSVM的风电场短期功率预测

• 作者: 余健明 倪峰 王小星 马小津
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 最小二乘支持向量机(LSSVM) 风速 功率 预测 风电场 粒子群(PSO)
• 年，卷（期）: 2013,（2）
• 页码范围: 176-181
• 页数: 6页
• 分类号: TM712
• 字数: 4774字
• 语种: 中文

摘要

风速和风电场功率预测是风电场稳定运行及系统调度的重要保障,LSSVM在保持SVM的基础上,可以降低计算复杂性,加快求解速度,为风速及功率预测提供了一个新的研究方向.本研究将最小二乘支持向量机(LSSVM)用于风电场短期风速及风电场功率预测,提出了基于LSSVM的风电场短期风速及功率预测模型,同时建立改进粒子群模型对LSSVM进行参数优化,以内蒙古某风电场实测数据为例进行验证,实例验证表明,改进的PSO-LSSVM模型的预测效果最优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余健明	西安理工大学自动化学院	67	1955	24.0	43.0
2	倪峰	西安理工大学自动化学院	3	45	3.0	3.0
3	马小津	西安理工大学自动化学院	2	28	2.0	2.0
4	王小星	西安理工大学自动化学院	1	17	1.0	1.0