摘要：风电功率预测的关键是预测模型的选择和模型性能的优化。选择最小二乘支持向量机（least squares support vector machine，LSSVM）作为风电功率预测模型，使用改进的粒子群算法（improved particle swarm optimizationalgorithm，IPSO）对影响最小二乘支持向量机回归性能的参数进行优化。在建立了改进的粒子群算法优化最小二乘支持向量机（LSSVM）的风电功率预测模型后，运用该模型对广西某风电场进行了仿真研究。为了对比研究，同时使用前馈（back propagation，BP）神经网络模型和支持向量机（support vector machine，SVM）模型进行了预测。最后采用多种误差指标对三种模型的预测结果进行综合分析。结果表明，使用改进的粒子群算法优化最小二乘向量机（IPSO-LSSVM）的风电功率预测模型具有较高的预测精度。

关键词：风电功率预测 改进粒子群算法 最小二乘支持向量机 误差分析 

单位：武汉大学电气工程学院 湖北武汉430072 广西电力科学研究院 广西南宁530023