遗传算法对SVR风速预测模型的多参数优化

发布时间：2018-01-04 13:10

本文关键词：遗传算法对SVR风速预测模型的多参数优化　出处：《电机与控制学报》2017年02期 　论文类型：期刊论文

【摘要】：实验分析发现:通过相空间重构法求出的嵌入维数E和时间延迟τ往往不是支持向量回归机(SVR)预测模型的最优参数。针对此问题,建立了一种基于遗传算法(GA)的多参数同步优化的SVR预测方法。利用GA方法对E、τ和SVR模型中的惩罚因子C、核函数宽度γ进行同步优化获得全局最优解,建立SVR风速预测模型。对比单纯优化C、γ的模型,以2组风速数据为例进行实验研究,建立的模型预测误差约为6.56%和7.74%。而对比模型的误差为12.00%和9.30%。这一结果表明,同时对E、τ、C、γ进行优化的模型相对于单纯优化C、γ的模型,预测精确度大大提高。
[Abstract]:The experimental results show that the embedding dimension E and time delay 蟿 obtained by phase space reconstruction method are not the optimal parameters of SVR) prediction model. A SVR prediction method for multi-parameter synchronization optimization based on genetic algorithm (GA) is established, and the penalty factor C in E, 蟿 and SVR model is obtained by using GA method. The kernel width 纬 is synchronously optimized to obtain the global optimal solution, and the SVR wind speed prediction model is established. Two sets of wind speed data are taken as an example. The prediction error of the established model is about 6.56% and 7.74, while the error of the contrast model is 12.00% and 9.300.This result shows that, for E, 蟿 C at the same time. The prediction accuracy of 纬 optimization model is greatly improved compared with that of pure optimization Cy model.
【作者单位】：华北电力大学能源动力与机械工程学院;
【基金】：教育部中央高校基本科研业务费专项资金资助项目(2015MS102)
【分类号】：TM614
【正文快照】： 0引言风速预测一直是电网系统规划和运行中重要一项环节,工作量大,重复性高[1-2]。然而风速变化频繁,所以风电机组的发电功率波动性较大。当风机穿越功率达到一定阈值后,就会严重影响电网电能质量和功率平衡[3]。因此风速预测是一项意义重大的任务。建立一个高精确度的风速预

【相似文献】