基于WRF模式和PSO-LSSVM的风电场短期风速订正

• 作者: 叶小岭 杨星 邓华 陈浩 顾荣
• 来源期刊: 电力系统保护与控制
• 关键词: 风力发电 风速订正 WRF模式 PSO-LSSVM 预测效果
• 年，卷（期）: 2017,（22）
• 所属期刊栏目: 应用研究
• 页码范围: 48-54
• 页数: 7页
• 字数: 4140字
• 语种: 中文
• DOI: 10.7667/PSPC161827

摘要

风速预测是风电场风电功率预测的基础与前提,以数值天气预报(WRF模式)为基础进行风速预测,为了提高WRF模式预测的准确性,采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)对WRF模式输出的风速进行订正.同时,为提高LSSVM算法的精确度和减小拟合过程的复杂度,采用粒子群优化算法(Particle Swarm Optimization,PSO)对其参数进行优化.试验结果表明:采用LSSVM订正可以进一步减小WRF模式预测风速的误差,再经过PSO优化后,相对均方根误差和相对平均绝对误差降低了5%~10%,均方根误差下降了0.5 m/s.与未经优化的LSSVM以及极限学习机(ELM)算法对比分析后得出,粒子群优化最小二乘支持向量机(PSO-LSSVM)对WRF模式预测的风速有较好的订正效果,能进一步提高风速预测的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓华	南京信息工程大学信息与控制学院	17	151	8.0	12.0
5	叶小岭	南京信息工程大学信息与控制学院	90	607	14.0	19.0
9	杨星	南京信息工程大学信息与控制学院	3	10	1.0	3.0
10	陈浩	南京信息工程大学信息与控制学院	8	48	3.0	6.0
11	顾荣	南京信息工程大学信息与控制学院	1	9	1.0	1.0