基于改进PSO的SVM参数优化及其在风速预测中的应用

• 作者: 付士鹏 张金会 朱霄珣 祝晓燕
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 风速预测 改进粒子群优化(PSO)算法 支持向量机(SVM) 参数选择
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 新能源
• 页码范围: 105-108
• 页数: 4页
• 分类号: TM614
• 字数: 2142字
• 语种: 中文

摘要

针对风电场短期风速预测的准确性问题,提出一种基于改进粒子群优化(PSO)算法的支持向量机(SVM)风速预测方法.通过对基本粒子群算法中的学习因子进行改进,来改善粒子群算法的自我学习能力和社会学习能力,从而使其更有利于收敛到全局最优解,进而能够找到更准确的参数值,使支持向量机的预测误差达到最小,提高风速的预测精度.实验结果表明,与PSO-SVM预测法和SVM预测法相比较,改进PSO-SVM法预测结果更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱霄珣	华北电力大学机械工程学院	29	165	7.0	11.0
2	祝晓燕	华北电力大学机械工程学院	33	189	7.0	12.0
3	张金会	华北电力大学机械工程学院	11	57	5.0	7.0
4	付士鹏	华北电力大学机械工程学院	6	42	4.0	6.0