基于改进遗传算法寻优的SVM风能短期功率预测

• 作者: 颜晓娟 龚仁喜
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 风力发电 支持向量机 遗传算法 参数优化 功率预测
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 38-41,46
• 页数: 5页
• 分类号: TM933
• 字数: 3090字
• 语种: 中文

摘要

为了减少并网后风能随机性,波动性等问题对电力系统安全稳定运行的不利影响,提高风电功率预测精度,本文采用基于结构风险最小化的支持向量机进行建模.针对支持向量机参数难确定的问题,利用小生境遗传算法对支持向量机惩罚参数C和核函数δ进行寻优,并对算法中小生境半径L值难确定的问题,引入自适应的思想,使L并不取某个固定值,而是随着最优个体的变化而变化.最后利用现场连续668h实测风能功率输出值,对其中最后24h进行预测,实验结果表明,该方法与改进前相比,参数更优,预测精度更高,且取得了eMSE为9.5％的良好结果,可以为风能功率预测提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚仁喜	广西大学电气工程学院	89	835	17.0	25.0
2	颜晓娟	广西大学电气工程学院	2	11	1.0	2.0