遗传算法对SVR风速预测模型的多参数优化.pdfVIP

遗传算法对SVR风速预测模型的多参数优化

朱霄珣;徐搏超;焦宏超;韩中合

【摘要】实验分析发现:通过相空间重构法求出的嵌入维数E和时间延迟τ往往不

是支持向量回归机(SVR)预测模型的最优参数.针对此问题,建立了一种基于遗传算

法(GA)的多参数同步优化的SVR预测方法.利用GA方法对E、τ和SVR模型中的

惩罚因子C、核函数宽度γ进行同步优化获得全局最优解,建立SVR风速预测模型.

对比单纯优化C、γ的模型,以2组风速数据为例进行实验研究,建立的模型预测误

差约为6.56%和7.74%.而对比模型的误差为12.00%和9.30%.这一结果表明,同时

对E、τ、C、γ进行优化的模型相对于单纯优化C、γ的模型,预测精确度大大提

高.%Phasespacereconstructionwasusedtoapplyinthepredictionof

windspeedtimeseriesforcharacteristicfactorsextraction.Afterseveral

experiments,embeddingdimensionEandtimedelayτ,whichweretypical

parametersofphasespacereconstruction,mightnotbetheoptimum

valuesforsupportvectorregressionmodel.Forsolvingthisproblem,a

multi-parameteroptimizationmethodbasedongeneticalgorithmwas

proposedtooptimizeembeddingdimensionE,timedelayτandother

supportvectorregressionmodelparameters(penaltyparameterC,kernel

functionparameterγ)synchronously.Twogroupsofwindspeedtimeseries

werepredictedbyusingthismethodandthepredictionerrorsare6.56%

and7.74%.Theerrorsofthecontrastmethod(optimizeC,γonly)are12.00%

and9.30%.TheresultsshowthattheoptimalselectionofE,τ,C,γis

necessary.Comparedwiththecontrastmodel,thismethodcangreatly

improvethepredictionaccuracy.

【期刊名称】《电机与控制学报》

【年(卷),期】2017(021)002

【总页数】6页(P70-75)

【关键词】遗传算法;支持向量机;空间重构;多参数优化;风速预测

【作者】朱霄珣;徐搏超;焦宏超;韩中合

【作者单位】华北电力大学能源动力与机械工程学院,河北保定071003;华北电力

大学能源动力与机械工程学院,河北保定071003;华北电力大学能源动力与机械

工程学院,河北保定071003;华北电力大学能源动力与机械工程学院,河北保定

071003

【正文语种】中文

【中图分类】TM614

风速预测一直是电网系统规划和运行中重要一项环节，工作量大，重复性高[1-2]。

然而风速变化频繁，所以风电机组的发电功率波动性较大。当风机穿越功率达到一

定阈值后，就会严重影响电网电能质量和功率平衡[3]。因此风速预测是一项意义

重大的任务。建立一个高精确度的风速预测模型成为一个亟待解决的课题。支持向

量回归机[4](supportvectorregression，SVR)作为新兴的机器学习算法，在高

维数、非线性的小样本数据处理方面有其独特的优势，被广泛运用于风速预测。

预测模型的精确度与模型参数有着极大的关联，为了得到合适的模型参数往往需要

对其进行优化。如文献[5]利用粒子群算法对惩罚因子C等参数进行优化。文献[6]

中利用差分进化算法对核函数宽度γ进行优化。在利用SVR进行预测时，样本质

量至关重要，对预