基于改进麻雀搜索算法优化SVM的风电功率预测研究

摘要：

为提高风电功率的预测精度提出了一种基于改进麻雀搜索算法(ISSA)优化的支持向量机(SVM)的预测模型.首先,针对传统麻雀搜索算法收敛性不强、容易陷入局部最优解、初始解随机性不强等问题,采用了Halton序列模型对麻雀搜索算法的初值进行改进,并采取了反向学习策略以及柯西变异策略对麻雀个体的位置进行调整扰动,得到了一种收敛性强的改进麻雀搜索算法(ISSA).随后,利用ISSA对支持向量机的超参数C与g进行寻优,得到了ISSA-SVM预测模型.并对新疆哈密风光基地 2022 年 1-12 月风电场采集的风电数据进行预测实验,结果表明:相较于SVM、LSTM以及BP神经网络模型,ISSA-SVM预测精度较高.

关键词：改进麻雀搜索算法、ISSA-SVM预测模型、风电数据

所属期刊栏目：30

分类号：TM614;TM715;TP301.6

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：70-74,79