本文選題：風(fēng)電場 + 短期風(fēng)速預(yù)測�。� 參考：《系統(tǒng)仿真學(xué)報》2017年07期

【摘要】：為進(jìn)一步提高風(fēng)電場短期風(fēng)速預(yù)測精度,提出一種改進(jìn)的差分進(jìn)化算法優(yōu)化的最小二乘支持向量機(jī)短期風(fēng)速預(yù)測模型。在改進(jìn)的差分進(jìn)化算法中綜合了兩種變異操作算子,改進(jìn)了變異因子和交叉概率因子,使其根據(jù)進(jìn)化代數(shù)自適應(yīng)變化,保證了進(jìn)化初期算法的全局搜索能力和種群多樣性,提高了進(jìn)化算法末期局部搜索精度和收斂速度。把改進(jìn)的差分進(jìn)化算法用于最小二乘支持向量機(jī)的參數(shù)尋優(yōu),提高了模型的預(yù)測精度,并在河北某風(fēng)電場的真實歷史數(shù)據(jù)集上建立風(fēng)速預(yù)測模型,仿真實驗驗證了方法的有效性。
[Abstract]:In order to further improve the prediction accuracy of wind speed in short term in wind farm, an improved differential evolutionary algorithm is proposed to optimize the model of short-term wind speed prediction based on least squares support vector machine (LS-SVM). In the improved differential evolution algorithm, two kinds of mutation operators are integrated, and the mutation factor and the crossover probability factor are improved to make them adapt to the variation according to the evolutionary algebra, which ensures the global searching ability and population diversity of the initial evolutionary algorithm. The local search accuracy and convergence speed of the evolutionary algorithm are improved. The improved differential evolution algorithm is applied to the parameter optimization of the least square support vector machine (LS-SVM), and the prediction accuracy of the model is improved, and the wind speed prediction model is established on the real historical data set of a wind farm in Hebei Province. Simulation results show that the method is effective.
【作者單位】： 華北電力大學(xué)自動化系;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項資金(2014MS139)
【分類號】：TM614;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 方必武;劉滌塵;王波;閆秉科;汪勛婷;;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[J];電力系統(tǒng)保護(hù)與控制;2016年08期

2 王長喜;王海云;王維慶;唐新安;冷崇富;;基于FOA和LS-SVM的風(fēng)電場風(fēng)速預(yù)測研究[J];可再生能源;2014年09期

3 王賀;胡志堅;張翌暉;李晨;楊楠;王戰(zhàn)勝;;基于聚類經(jīng)驗?zāi)B(tài)分解和最小二乘支持向量機(jī)的短期風(fēng)速組合預(yù)測[J];電工技術(shù)學(xué)報;2014年04期

4 余健明;馬小津;倪峰;王小星;;基于改進(jìn)PSO-LSSVM的風(fēng)電場短期功率預(yù)測[J];西安理工大學(xué)學(xué)報;2013年02期

5 周松林;茆美琴;蘇建徽;;基于預(yù)測誤差校正的支持向量機(jī)短期風(fēng)速預(yù)測[J];系統(tǒng)仿真學(xué)報;2012年04期

6 楊洪;古世甫;崔明東;孫禹;;基于遺傳優(yōu)化的最小二乘支持向量機(jī)風(fēng)電場風(fēng)速短期預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2011年11期

7 曾杰;張華;;基于蟻群優(yōu)化的最小二乘支持向量機(jī)風(fēng)速預(yù)測模型研究[J];太陽能學(xué)報;2011年03期

8 張麗英;葉廷路;辛耀中;韓豐;范高鋒;;大規(guī)模風(fēng)電接入電網(wǎng)的相關(guān)問題及措施[J];中國電機(jī)工程學(xué)報;2010年25期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐國棟;程浩忠;馬紫峰;范松麗;方斯頓;馬則良;;用于緩解電網(wǎng)調(diào)峰壓力的儲能系統(tǒng)規(guī)劃方法綜述[J];電力自動化設(shè)備;2017年08期

2 李輝;焦毛;楊曉萍;白亮;羅興，

本文編號：1845727