IGSA优化LSSVM的短期风电功率预测研究

• 作者: 凤志民 吴道林 李从飞 田丽
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 短期风电功率预测 引力搜索算法 最小二乘支持向量机 改进引力搜索算法
• 年，卷（期）: 2017,（11）
• 页码范围: 1699-1705
• 页数: 7页
• 分类号: TK89
• 字数: 4433字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2017.11.018

摘要

提出一种基于改进引力搜索算法(Improved Gravitational Search Algorithm,IGSA),优化LSSVM的短期风电功率预测方法.对引力搜索算法采用混沌映射学习策略初始化种群位置,引入全局记忆策略来改进速度公式,提高最优解质量,利用高斯变异算子及贪婪策略来更新最优解位置.为对比不同核函数对LSSVM预测模型性能的影响,选取了4种常用的核函数(RBF,Sigmoid,Poly及Linear)构建LSSVM预测模型,并用IGSA优化构建的模型.以安徽某一风电场实测数据为例,仿真结果表明,选择RBF核函数的IGSA-LSSVM模型的风电预测性能优于其它核函数;同时,与反向传播神经网络(Back Propagation Neural Network,BPNN)相比,以及与GA,PSO和GSA优化LSSVM相比,IGSA优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田丽	安徽工程大学安徽省电气传动与控制重点实验室	105	450	10.0	14.0
2	李从飞	安徽工程大学安徽省电气传动与控制重点实验室	7	12	3.0	3.0
3	吴道林	安徽工程大学安徽省电气传动与控制重点实验室	8	14	3.0	3.0
4	凤志民	安徽工程大学安徽省电气传动与控制重点实验室	10	18	3.0	3.0