IGSA优化LSSVM的短期风电功率预测研究

摘要：

提出一种基于改进引力搜索算法(Improved Gravitational Search Algorithm,IGSA),优化LSSVM的短期风电功率预测方法.对引力搜索算法采用混沌映射学习策略初始化种群位置,引入全局记忆策略来改进速度公式,提高最优解质量,利用高斯变异算子及贪婪策略来更新最优解位置.为对比不同核函数对LSSVM预测模型性能的影响,选取了4种常用的核函数(RBF,Sigmoid,Poly及Linear)构建LSSVM预测模型,并用IGSA优化构建的模型.以安徽某一风电场实测数据为例,仿真结果表明,选择RBF核函数的IGSA-LSSVM模型的风电预测性能优于其它核函数;同时,与反向传播神经网络(Back Propagation Neural Network,BPNN)相比,以及与GA,PSO和GSA优化LSSVM相比,IGSA优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性.

关键词：短期风电功率预测、引力搜索算法、最小二乘支持向量机、改进引力搜索算法

所属期刊栏目：35

分类号：TK89(风能、风力机械)

资助基金：安徽省自然基金1508085ME74;安徽省教育厅自然科学研究重点项目KJ2014A282

在线出版日期：2017-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1699-1705