期刊专题

10.7667/PSPC161827

基于WRF模式和PSO-LSSVM的风电场短期风速订正

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

电力系统保护与控制

1674-3415

41-1401/TM

45

2017,45(22)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn