基于CLPSO优化LSSVM的风数据缺失部分插补

• 作者: 喻敏 张良力 王斌 陈希
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 综合学习粒子群算法 最小二乘支持向量机 风数据 插补
• 年，卷（期）: 2016,（6）
• 页码范围: 878-883
• 分类号: TK89
• 语种: 中文

摘要

风电场的实测风数据普遍存在着数据缺失的问题.由于风数据的非线性特点,常用的插补方法难以跟踪风的变化趋势,导致风数据缺失部分插补值精度低的问题.针对此问题,采用最小二乘支持向量机(LSSVM)模型插补缺失的风数据,使用综合学习粒子群算法(CLPSO)优化影响LSSVM模型性能的参数,从而形成了CLPSO-LSSVM插补模型.为了进行对比,另外使用了风切变指数模型(WSC)、自回归滑动平均模型(ARMA)、自适应神经模糊推理系统模型(ANFIS),对测试数据和风数据缺失部分进行插补.仿真结果表明:CLPSO-LSSVM模型的测试数据插补值精度最高,对风数据缺失部分插补值的相关系数也较大,综合指标最优,验证了该插补模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王斌	武汉科技大学信息科学与工程学院	49	208	8.0	12.0
2	喻敏	武汉科技大学信息科学与工程学院	24	64	5.0	7.0
3	张良力	武汉科技大学信息科学与工程学院	31	91	5.0	7.0
4	陈希	武汉科技大学信息科学与工程学院	7	22	2.0	4.0