為提高風(fēng)電功率短期預(yù)測(cè)的精度,提出一種基于改進(jìn)TLBO優(yōu)化LSSVM的風(fēng)電功率短期預(yù)測(cè)方法。首先對(duì)基本TLBO算法中的‘教’階段進(jìn)行改進(jìn),在采用自適應(yīng)教學(xué)因子的同時(shí)改變所有搜索個(gè)體的平均值,從而能夠自適應(yīng)的提高TLBO在整個(gè)搜索空間的性能;然后改進(jìn)TLBO算法的‘學(xué)’階段,為維持種群的多樣性,避免TLBO算法過早收斂和陷入局部最優(yōu),在學(xué)習(xí)階段引入高斯變異算子;最后用改進(jìn)的TLBO優(yōu)化構(gòu)建的LSSVM預(yù)測(cè)模型。以上海北沿風(fēng)電場(chǎng)和萊州風(fēng)電場(chǎng)實(shí)測(cè)數(shù)據(jù)為例,仿真結(jié)果表明,與PSO和TLBO優(yōu)化LSSVM相比,改進(jìn)的TLBO優(yōu)化LSSVM方法對(duì)短期風(fēng)電功率預(yù)測(cè)具有更好的穩(wěn)定性和更高的準(zhǔn)確性。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 LSSVM回歸模型
2 基本的TLBO算法
    2.1‘教’階段
    2.2‘學(xué)’階段
3 改進(jìn)的TLBO算法
    3.1 改進(jìn)的‘教’階段
    3.2 改進(jìn)的‘學(xué)’階段
4 改進(jìn)的TLBO算法尋優(yōu)LSSVM參數(shù)
5 算例分析
    5.1 歷史數(shù)據(jù)處理
    5.2 基于改進(jìn)TLBO優(yōu)化LSSVM的風(fēng)電功率短期預(yù)測(cè)
6 結(jié)束語



本文編號(hào)：3806540