基于WRF模式和PSO-LSSVM的风电场短期风速订正
风速预测是风电场风电功率预测的基础与前提,以数值天气预报(WRF模式)为基础进行风速预测,为了提高WRF模式预测的准确性,采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)对WRF模式输出的风速进行订正.同时,为提高LSSVM算法的精确度和减小拟合过程的复杂度,采用粒子群优化算法(Particle Swarm Optimization,PSO)对其参数进行优化.试验结果表明:采用LSSVM订正可以进一步减小WRF模式预测风速的误差,再经过PSO优化后,相对均方根误差和相对平均绝对误差降低了5%~10%,均方根误差下降了0.5 m/s.与未经优化的LSSVM以及极限学习机(ELM)算法对比分析后得出,粒子群优化最小二乘支持向量机(PSO-LSSVM)对WRF模式预测的风速有较好的订正效果,能进一步提高风速预测的准确性.
风力发电、风速订正、WRF模式、PSO-LSSVM、预测效果
45
P4 ;P46
国家自然科学基金项目41675156;国家公益性行业气象科研专项GYHY20110604;江苏省六大人才高峰项目WLW-021;江苏省研究生创新工程省立项目SJZZ16_0155 This work is supported by National Natural Science Foundation of China41675156
2017-12-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
48-54