基于模糊信息粒化和最小二乘支持向量机的风电功率联合预测建模.pdfVIP

第43 卷 第2 期 电力系统保护与控制 Vol.43 No.2 2015 年1 月16 日 Power System Protection and Control Jan. 16, 2015 基于模糊信息粒化和最小二乘支持向量机的风电功率 联合预测建模 1 1 2 2 1 王 恺 ，关少卿 ，汪令祥 ，王鼎奕 ，崔 垚 (1.国网安徽省电力公司合肥供电公司，安徽 合肥 230022；2.阳光电源股份有限公司，安徽 合肥 230088) 摘要：提出一种基于模糊信息粒化和最小二乘支持向量机的风电功率平均值预测和风电功率波动范围预测的联合预测模型建 模方法。该方法首先对训练样本进行模糊信息粒化，根据需要提取各个窗口的有效分量信息，即各窗口的最小值、大致平均 值和最大值。其次应用最小二乘支持向量机对各个分量分别建立预测模型，并使用自适应粒子群算法对各个分量模型进行优 化。最后使用优化后的最小二乘支持向量机模型对风电功率平均值和风电功率波动范围进行联合预测。实例研究表明，该联 合预测模型可以有效进行风电功率平均值预测和风电功率波动范围预测的联合预测，并能有效跟踪风电功率变化。 关键词：风力发电；功率预测；模糊信息粒化；最小二乘支持向量机；联合预测 A combined forecasting model for wind power predication based on fuzzy information granulation and least squares support vector machine 1 1 2 2 1 WANG Kai , GUAN Shaoqing , WANG Lingxiang , WANG Dingyi , CUI Yao (1. State Grid Hefei Power Supply Company, Hefei 230022, China; 2. Sungrow Power Supply Co., Ltd., Hefei 230088, China) Abstract: A combination prediction model modeling method for wind power average value prediction and wind power fluctuation range prediction is proposed, which is based on the fuzzy information granulation and least squares support vector machine (LSSVM). Firstly, fuzzy information granulation of the training samples is made, and effective component information of each window is extracted according to the need, namely the minimum, average and maximum value of each window. Secondly, LSSVM of the prediction models are established for each component, and then the adaptive particle swarm algorithm is used to optimize eac