基于IPSO—LSSVM的风电功率短期预测研究.pdfVIP

第 40卷 第 24期 电力 系统保护与控制 V_01．40No．24 2012年 12月 16日 PowerSystem ProtectionandControl Dec．16，2012 基于IPSO—LSSVM 的风电功率短期预测研究 王 贺 ，胡志坚 ，张翌晖 ，张子泳 ，张承学 (1．武汉大学电气工程学院，湖北 武汉 430072；2．广西电力科学研究院，广西 南宁 530023) 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 (1eastsquaressupportvector machine，LSSVM)作为风电功率预测模型，使用改进的粒子群算法 (improvedpartiCleswarmoptimizationa1gorithm， 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 (backpropagation， BP)神经网络模型和支持向量机 (supportvectormachine，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；IPSO-LSSVM；误差分析 Short--term predictionofwindpowerbasedonIPSO-L·SSVM WANGHe，HUZhi-jian，ZHANGYi．hui，ZHANGZi．yong，ZHANGCheng．xue (1．SchoolofElectricalEngineering，WuhanUniversity，Wuhan430072，China； 2．GuangxiElectricPowerResearchInstitute，Nanning530023，China) Abstract：Thekeysofwindpowerforecastingaretheforecastingmodelselectionandmodeloptimization．Theleastsquaressuppo~ vectormachine(LSSVM)ischosenasthewindpowerpredictionmode1．Improvedparticleswarl／1optimizationalgorithm(IPSO)is usedtooptimizethemostimportantpraameterswhichinfluencehteleastsquraessuppo~vectormachine(LSSVM)regressionmodel First，htewindpowerpredictionmodelbasedonIPSO—LSSVM isbuilt，whichisusedtopredicttheshort—term(3hours)windpower． Forcompraativestudy，BackPropagation(BP)neuralnetworkmodelandthetraditionalsupportvectormachine(SVM)modelrae usedforforecasting．Severalerrorindicatorsraeselectedtoanalyzetheresultsofhtethreemodels．Predictionnaalysisresultsshow htatcompraedwithback—propagationartificialneuralnetworksandsupportvectormachine，hteIPSO-LSSVM modelcallachieve higherpredictionaccuracy． ThisworkissupposedbyNationalNaturalScienc