基于PSOGSA全参数连分式的风速预测模型

• 作者: 张宏立 张旭 王聪
• 来源期刊: 电力系统保护与控制
• 关键词: 风速预测 混沌特性 全参数连分式 PSOGSA 多时间尺度
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 应用研究
• 页码范围: 100-107
• 页数: 8页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.191573

摘要

风的间歇性和时变性限制了风电场的发电能力,准确的风速预测有助于减小风力发电入网对电力系统的运行方式安排带来的影响.针对风速时间序列存在的复杂变化和混沌特性,为了提高预测精度和简化预测数学模型结构,提出一种结合万有引力搜索算法(GSA)全局寻优能力和粒子群优化算法(PSO)的局部快速收敛优势的全参数连分式预测模型.将n项截断式连分式转化为PSOGSA优化参数问题,进行多维空间上函数的优化.以风电场风速采集两组数据为预测对象,通过对复杂风速时间序列建模仿真,并利用基于PSOGSA优化的全参数连分式对序列进行多时间尺度的预测.仿真结果分别与传统的BP神经网络、RBF神经网络、当前时间序列预测利用较多的长短期记忆网络算法(LSTM)和粒子群优化支持向量机(PSO-SVM)进行对比得出:基于PSOGSA的全参数连分式预测模型具有精度高、结构简单和建模速度快等特点,具有更强的非线性预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏立		89	474	12.0	17.0
2	王聪		16	23	3.0	4.0
3	张旭		7	41	2.0	6.0