CGAQPSO优化LSSVM短期风电预测

发布时间：2017-12-29 23:07

  本文关键词：CGAQPSO优化LSSVM短期风电预测　出处：《电子测量与仪器学报》2016年11期 　论文类型：期刊论文

  更多相关文章： 量子粒子群 混沌高斯局部吸引点量子粒子群 短期风电预测 最小二乘支持向量机

【摘要】：提出一种基于混沌高斯局部吸引点量子粒子群(CGAQPSO)优化最小二乘支持向量机(LSSVM)的短期风电功率预测模型。首先,混沌算法初始化粒子种群,提高初始粒子在搜寻空间遍历性,将局部吸引点改进为高斯分布局部吸引点,增强粒子全局搜索能力,从而得到混沌高斯局部吸引点量子粒子群优化算法。对基于不同类型核函数(Linear、POLY、Sigmoid及RBF)进行比较,选择RBF核函数来构建LSSVM风电预测模型。最后,以安徽某风电场实测风电、温度及湿度的历史数据作为CGAQPSO-LSSVM(RBF)模型的训练数据。实验表明,与GA、PSO和QPSO优化LSSVM预测模型相比,所提出的CGAQPSO-LSSVM模型能够有效提高风电功率预测精确度。
[Abstract]:......
【作者单位】： 安徽工程大学电气工程学院;上海大学机电工程与自动化学院;
【基金】：安徽省自然资金(1408085ME105,1608085ME106) 安徽省高校自然科学基金重点项目(KJ2015A063) 安徽工程大学安徽检测技术与节能装置省级实验室开放研究基金资助项目
【分类号】：TM614;TP18
【正文快照】： 1引言我国风电发展迅速,风电并网容量不断增加,但由于风具有随机性、波动性及间歇性等特点,大规模风电并网对电力系统安全可靠及经济调度等影响日益显著[1-2]。短期风电预测是大容量风电并网电力系统所需研究的基础环节,是解决风电并网带来问题的有效途径[1]。目前,国内外已有，

本文编号：1352260