基于人工鱼群优化算法的支持向量机短期风电功率预测模型

发布时间：2017-06-21 17:10

  本文关键词：基于人工鱼群优化算法的支持向量机短期风电功率预测模型，由笔耕文化传播整理发布。

【摘要】：为了提高风电功率预测精度,针对支持向量机(SVM)模型在风电功率预测中存在的参数选取问题,提出用人工鱼群算法(AFSA)寻找SVM模型的最优核函数参数和错误惩罚因子的优化方法。建立AFSA-SVM模型,结合聚类分析后的数值天气预报(NWP)数据对风电功率进行预测。经仿真实验并与BP、粒子群优化的支持向量机模型对比,AFSA-SVM优化模型在短期风电功率预测中有更好的预测效果。
【作者单位】： 北京信息科技大学自动化学院;
【关键词】： 人工鱼群算法 支持向量机 聚类分析 风电功率预测
【基金】：国家自然科学基金(51607009) 北京市教委科技计划面上项目(KM201511232007)资助
【分类号】：TM614;TP18
【正文快照】： 1 引言 风能以其无污染、可再生的特点,作为新能源的一种,极具商业开发前景。随着风电装机容量在电网中所占比重的不断增加以及风能固有的随机性和波动性,大规模风电并网对电网发电质量产生的影响越来越大。在大规模建设“坚强智能电网”的背景下,风电场功率预测是充分利用风

【相似文献】

中国期刊全文数据库 前10条

1 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期

3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];山东电力高等专科学校学报;2006年04期

4 张涛;段淑敏;;支持向量机在中医疾病症候诊断中的应用[J];华北水利水电学院学报;2007年03期

5 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期

6 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期

7 程丽丽;张健沛;马骏;;一种改进的加权边界调节支持向量机算法[J];哈尔滨工程大学学报;2007年10期

8 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期

9 郭濵;孙晓梅;薛明;;基于壳向量的边界邻近支持向量机[J];黑龙江交通科技;2008年12期

10 许超;运士伟;舒云星;;基于支持向量机的混凝土测强换算模型[J];洛阳理工学院学报(自然科学版);2008年02期

中国重要会议论文全文数据库 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：469379