基于粒子群优化的LS-SVM短期风电功率预测研究

• 作者: 唐静 孙仙 张羽 林森 王静
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: 风电功率预测 LS-SVM 粒子群优化
• 年，卷（期）: 2014,（11）
• 页码范围: 40-44
• 页数: 5页
• 分类号: TM614
• 字数: 2589字
• 语种: 中文

摘要

风电的波动性、间歇性和随机性导致风电功率预测时间较长、误差较大;为提高预测精度,缩短预测时间,采用粒子群算法(PSO)对最小二乘支持向量机(LS-SVM)算法进行参数寻优,进而建立优化预测模型进行仿真;结果表明:优化的模型比RBF和LS-SVM具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐静	巢湖学院电子工程与电气自动化学院	5	3	1.0	1.0
2	王静	巢湖学院电子工程与电气自动化学院	11	10	3.0	3.0
3	孙仙		3	3	1.0	1.0
4	林森		2	10	2.0	2.0
5	张羽		1	3	1.0	1.0