基于改进粒子群优化LS-SVM的短期风速预测

• 作者: 周冬 范曼萍
• 来源期刊: 电力学报
• 学科: 工学
• 关键词: 风速预测 改进粒子群 最小二乘支持向量机 收缩因子
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 大电网规划与运行
• 页码范围: 123-128,142
• 页数: 7页
• 分类号: TM614
• 语种: 中文
• DOI: 10.13357/j.dlxb.2020.018

摘要

针对现有风速预测方法在解决预测问题时存在的不足,提出了采用收缩因子对粒子速度更新的方式进行改进,保证粒子群算法前期的全局搜索能力和后期的局部寻优能力,提高算法的收敛性能.利用改进PSO对LS-SVM参数进行寻优,建立基于改进PSO优化LS-SVM的短期风速预测模型.采用实际风速数据进行仿真分析,所建模型的平均相对误差和均方根误差分别为3.72％和0.21,均好于其他几种风速预测方法,验证了所提出方法的正确性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周冬		13	19	3.0	3.0
2	范曼萍		1	0	0.0	0.0