基于PSO参数优化的LS-SVM风速预测方法研究

发布时间：2017-10-17 11:36

  本文关键词：基于PSO参数优化的LS-SVM风速预测方法研究

  更多相关文章： 风速预测 最小二乘支持向量机 粒子群算法 参数优化 空间重构

【摘要】：讨论了嵌入维数d和时间延迟?作为空间重构参数对LS-SVM预测模型精度的影响,提出了基于PSO参数优化的LS-SVM预测方法。将d、?以及模型参数(正则化参数?、核函数宽度?)作为优化对象,利用PSO方法对4个参数共同优化选取,建立LS-SVM风速预测模型。对2组风速数据进行了实验研究,结果显示该方法预测误差约为5.79%和7.33%。而对比方法 (单纯优化?、?)的误差为8.22%和11.10%。这一结果表明,同时对d、?、?、?进行优化选取是有必要的,相对于单纯优化?、?的模型,该方法可以大大提高预测模型精度。
【作者单位】： 华北电力大学动力工程系;
【关键词】： 风速预测 最小二乘支持向量机 粒子群算法 参数优化 空间重构
【基金】：中央高校科研业务费项目(2015MS102)~~
【分类号】：TP18;TM614
【正文快照】： 0引言风速预测对提高电网的稳定性及降低运行成本具有重要意义[1-2]。然而风速具有较大的波动性,给风速预测带来较大难度。所以,如何建立高精度预测模型对风速进行预测成为一个重要课题。最小二乘支持向量机[3-5](least square supportvector machine,LS-SVM)以其较强的泛化能

【相似文献】

中国期刊全文数据库 前10条

1 张亮;吕林;;利用粒子群算法解决电网优化购入电量[J];电力系统保护与控制;2009年22期

2 赵菲;焦彦军;;基于粒子群算法的输电线路参数辨识[J];陕西电力;2011年09期

3 徐余法;高洁;陈国初;;一种改进粒子群算法及其在风电场中的应用[J];华东理工大学学报(自然科学版);2012年03期

4 仲晓春;彭春华;陈佳琰;;基于改进粒子群算法的机组经济运行的博弈[J];华东交通大学学报;2008年03期

5 马立新;屈娜娜;单冠华;王守征;;电力系统无功优化的柯西粒子群算法[J];控制工程;2011年05期

6 王道军;孙俊;须文波;;量子粒子群算法在电力系统经济调度中的应用[J];计算机工程与设计;2008年19期

7 黄燕燕;彭春华;;改进粒子群算法在电力系统经济调度中的应用[J];电力科学与工程;2011年04期

8 周宣;;基于随机自适应粒子群算法的电力系统无功优化[J];计算机与现代化;2011年12期

9 郑禹;汪萍;;基于粒子群算法的稀布阵雷达防雷优化设计分析[J];电脑知识与技术;2013年08期

10 林国汉;章兢;刘朝华;赵葵银;;改进粒子群算法优化扩展卡尔曼滤波器电机转速估计[J];计算机应用研究;2013年07期

中国重要会议论文全文数据库 前6条

1 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

2 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

3 马飞;陈雪波;李小华;;改进的粒子群算法在电力系统AGC中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

4 刘畅;李渝曾;李海英;;基于遗传算法与粒子群算法的机组开停机规划[A];2008中国电力系统保护与控制学术研讨会论文集[C];2008年

5 曹蕴;盛四清;姚煜;;基于混沌粒子群算法的配电网规化[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

6 于腾凯;李燕青;谢庆;;基于改进粒子群算法的配电网分段开关优化研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

中国博士学位论文全文数据库 前2条

1 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

2 张震;骨干粒子群算法及其在电力变压器设计中的应用[D];浙江大学;2014年

中国硕士学位论文全文数据库 前10条

1 侯硕楠;改进的粒子群算法及其在电力系统无功优化中的应用[D];东北大学;2014年

2 黄知伟;基于云粒子群算法的含DG配电网故障定位[D];湖北工业大学;2016年

3 张羽;粒子群算法在电机优化设计中的应用[D];哈尔滨理工大学;2012年

4 袁瑛;粒子群算法在电力系统经济调度中的应用研究[D];西安理工大学;2010年

5 杨莹;基于混合粒子群算法的水火电短期优化调度的研究[D];哈尔滨工业大学;2006年

6 周逸之;基于粒子群算法的水电站厂内经济运行分析[D];南昌大学;2013年

7 李晓;基于粒子群算法和量子粒子群算法的电力系统故障诊断[D];湖南大学;2010年

8 余明明;基于混沌粒子群算法的大型水电站自动电压控制优化研究[D];华中科技大学;2013年

9 唐京瑞;基于复杂网络方法的粒子群算法在机组优化组合问题中的研究[D];昆明理工大学;2012年

10 许磊;基于量子粒子群算法的电力系统经济调度仿真研究[D];西安科技大学;2013年

，

本文编号：1048627