本文關(guān)鍵詞：基于小波變換和改進(jìn)螢火蟲算法優(yōu)化LSSVM的短期風(fēng)速預(yù)測(cè)

  更多相關(guān)文章： 短期風(fēng)速預(yù)測(cè) 小波分解與重構(gòu) 混沌螢火蟲算法 最小二乘支持向量機(jī)

【摘要】：準(zhǔn)確預(yù)測(cè)風(fēng)速對(duì)風(fēng)電規(guī)�；⒕W(wǎng)至關(guān)重要。為提高短期風(fēng)速預(yù)測(cè)精度,提出一種基于小波分解和改進(jìn)的螢火蟲算法優(yōu)化最小二乘支持向量機(jī)超參數(shù)的風(fēng)速預(yù)測(cè)模型。首先利用小波變換將風(fēng)速時(shí)序分解為近似序列和細(xì)節(jié)序列,然后對(duì)各序列分別利用一種新穎的混沌螢火蟲算法優(yōu)化LSSVM進(jìn)行預(yù)測(cè),最后將各序列預(yù)測(cè)值疊加得到最終風(fēng)速預(yù)測(cè)值。在兩種時(shí)間尺度的實(shí)測(cè)數(shù)據(jù)上進(jìn)行仿真計(jì)算。結(jié)果表明,該算法較交叉驗(yàn)證的LSSVM,IPSO-LSSVM,WD-DE-LSSVM及BP神經(jīng)網(wǎng)絡(luò)等多種經(jīng)典算法預(yù)測(cè)精度更高,表明了該算法的有效性和優(yōu)越性。
【作者單位】： 武漢大學(xué)電氣工程學(xué)院;
【關(guān)鍵詞】： 短期風(fēng)速預(yù)測(cè) 小波分解與重構(gòu) 混沌螢火蟲算法 最小二乘支持向量機(jī)
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51477121,51207113)~~
【分類號(hào)】：TM614
【正文快照】： This work is supported by National Natural Science Foundation of China(No.51477121 and No.51207113).0引言隨著化石能源的日漸枯竭以及環(huán)境污染的日益嚴(yán)重,風(fēng)電作為一種清潔可再生能源發(fā)電形式得到了世界各國(guó)的廣泛重視。風(fēng)電大規(guī)模并網(wǎng)后,可能會(huì)出現(xiàn)電壓和頻率偏差、，

本文編號(hào)：632878