原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第39卷第3期白动化仪表Vol.39No.3
2018年3月PROCESSAUTOMATIONINSTRUMENTATIONMar.2018
粒式搜索者算法优化的SVM短期风电功率预测
林凯，陈国初
(上海电机学院电气学院，上海201306)
摘要：支持向量机在风电功率预测方面的应用越来越广泛。风电功率预测精度不仅受风能随机性、非线性的影响，而且取决于预
测模型的主要参数。对搜索者算法的二维优化能力进行改进，设计了基于二维参数改进的粒式搜索者算法（PTS0A)。具体给出了
PTS0A的实现步骤，并利用五种常用的经典测试函数验证改进后算法的优化性能。利用粒式搜索者算法对支持向量机的核函数参数
和惩罚因子进行寻优，利用寻优得到的参数进行模型训练，并将模型用于功率预测。对支持向量机预测模型结果进行对比和预测误
差分析。分析结果表明:粒式搜索者算法优化的支持向量机具有更精确的风力发电功率预测结果。
关键词：搜索者算法；支持向量机；经典测试函数；预测精度误差；风电功率预测；二维参数优化
中图分类号：TH39;TP183文献标志码：ADOI：10.16086/j.cnki.issnl000-0380.2017070060
WindPowerShort-TermPredictionBasedonSVMOptimized
byParticleTypeSeekerOptimizationAlgorithm
LINKai,CHENGuochu
(DepartmentofElectricalEngineering,ShanghaiDianjiUniversity,Shanghai201306,China)
Abstract：Theapplicationofsupportvectormachine(SVM)ismoreandmorewidelyappliedinwindpowerprediction.The
accuracyofwindpowerpredictionisnotonlyaffectedbytherandomnessandnon-linearityofwindenergy,italsodependsonthe
mainparametersofthepredictionmodel.Thetwo-dimensionaloptimizationabilityofthesearcheralgorithmisimproved,aparticle
typeseekeroptimizationalgorithm(PTSOA)basedontheimprovementoftwodimensionalparametersisdesigned.The
implementationstepsofPTSOAaregivenindetail.Theimprovedoptimizationperformanceisverifiedbyusingfivecommonly
usedclassicaltestfunctions.ByusingPTSOA,thekernelfunctionparame
我的文档主要集中的行业是石油化工和安全生产，从事石油化工行业并且取得了中级注册安全工程资格。精通炼油工艺方面的工艺、安全、设备。希望通过平台共享自己的知识和经验。
文档评论（0）