自适应粒子群支持向量机风速组合预测模型

• 作者: 和敬涵 柏丹丹 王小君 田文奇
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风速预测 组合预测模型 模糊层次分析法 支持向量机 粒子群算法
• 年，卷（期）: 2015,（4）
• 页码范围: 792-797
• 页数: 6页
• 分类号: TM614
• 字数: 4654字
• 语种: 中文

摘要

提出一种优化的支持向量机风速组合预测模型,首先通过模糊层次分析法对参与组合的单项预测模型进行遴选,在当前风速样本集下自适应决策预测效果较优的单项预测模型的输出值作为支持向量机的输入,将实际风电场风速值作为支持向量机的输出,并采用粒子群算法优化支持向量机组合模型的参数.基于实际运营的风电场数据进行仿真分析,自适应遴选出BP神经网络、RBF神经网络、小波神经网络和遗传算法优化BP神经网络这4种单项预测模型参与支持向量机组合,结果表明所提方法的预测精度不仅高于单项模型,且高于线性组合预测模型和神经网络组合预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	和敬涵	北京交通大学电气工程学院	103	1757	23.0	39.0
2	王小君	北京交通大学电气工程学院	34	664	13.0	25.0
3	柏丹丹	北京交通大学电气工程学院	3	45	3.0	3.0
4	田文奇	北京交通大学电气工程学院	5	388	5.0	5.0