基于QPSO-LSSVM的风电场超短期功率预测

• 作者: 史苏怡 孙晓伟 张涛 李振兴
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 风功率预测 量子粒子群 最小二乘支持向量机 BP神经网络
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 新能源
• 页码范围: 183-187
• 页数: 5页
• 分类号: TM614
• 字数: 4304字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.2016.03.183.05

摘要

准确预测风电场的发电功率,有利于电网的经济和安全调度.为提高风电场超短期功率预测的精度,建立了基于最小二乘支持向量机(LSSVM)的风电场超短期功率预测模型,并采用量子粒子群算法(QPSO)对LSSVM中影响回归性能的参数进行优化.通过对福建某实际风电场超短期功率预测的应用表明,与BP神经网络和QPSO-LSSVM的预测结果相比,QPSO-LSSVM预测模型多种误差指标均较小,具有较高的预测精度和鲁棒性,是一种有效的风电场超短期功率预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	三峡大学电气与新能源学院	62	290	7.0	16.0
2	李振兴	三峡大学电气与新能源学院	83	180	8.0	10.0
3	孙晓伟	三峡大学电气与新能源学院	4	11	2.0	3.0
4	史苏怡	三峡大学电气与新能源学院	2	92	2.0	2.0