摘要:风电场短期风速的准确预测能为风电并网运行的规划、调度、运行和控制提供及时有效的信息。支持向量机基于结构风险最小化原理,从整体上考虑曲线的平滑度对数据进行拟合,对风速预测时能及时跟踪其变化趋势。针对支持向量参数难以确定问题,采用遗传算法对最小二乘支持向量机惩罚系数C和核参数σ2寻优,在对参数遗传编码时,通过对数变换编码提高了搜索灵敏度,加快了模型收敛速度。最终利用现场连续150h实测风速样本,对其中最后12h进行预测,结果与广义回归神经网络(GRNN)相比,表明LS-SVM有更好的泛化能力,且取得了相对误差绝对值的平均值为8.32%的良好效果。
关键词:遗传算法 支持向量机 参数优化 短期风速预测
单位:西华大学电气信息学院 四川成都610039 中国华电集团公司云南以礼河发电厂 云南会泽654200
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社