肖　峰,　陈国初

(上海电机学院电气学院,上海 200240)



基于改进果蝇算法优化的SVM风电功率短期预测

肖峰,陈国初

(上海电机学院电气学院,上海 200240)

由于风力发电功率预测的准确性直接关系到电网的供需平衡,直接影响着并网系统的运营成本,因此风电功率预测的准确性非常重要。对于预测精度不高的问题,提出了一种改进的果蝇算法优化的支持向量机的预测方法。由于支持向量机的惩罚因子和核函数参数选择对预测精度有很大影响,因而利用改进的果蝇算法对支持向量机参数进行优化,用优化好的参数进行建模训练,然后把建好的模型应用于功率预测,最后对数据进行评估。预测结果表明:改进的果蝇算法优化的支持向量机对风力发电功率预测有更好的准确性。

风电功率预测; 预测精度; 支持向量机(SVM); 优化; 评估

由于风的不确定性、随机性,风电的功率预测在大型风电场并网运行中起着关键作用。在风电场并网中对风电功率进行准确预测不但可以有效减少风的不稳定性对电网造成的不利影响,而且对电力调度提前做好准备提供有力依据。

目前应用于风电功率预测的方法有时间序列分析[1]、BP神经网络法[2]、卡尔曼滤波法[3]、小波分解[4]等。时间序列分析是采用模型对所观测到的有序的随机数据进行分析和处理的一种数据处理方法,但其会因模型阶数的不同有很大差异。BP神经网络虽然有很好的鲁棒性、泛化能力、容错能力,但它学习收敛速度慢,易陷入局部极小而得不到全局最优值。……