电网与清洁能源
電網與清潔能源
전망여청길능원
ADVANCES OF POWER SYSTEM & HYDROELECTRIC ENGINEERING
2013年
2期
75-79,85
,共6页
量子粒子群优化%最小二乘支持向量机%超短期风电功率预测%鲁棒性
量子粒子群優化%最小二乘支持嚮量機%超短期風電功率預測%魯棒性
양자입자군우화%최소이승지지향량궤%초단기풍전공솔예측%로봉성
针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机(LS-SVM)的预测模型.由于LS-SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数.为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度.本文提出一种基于量子粒子群优化(Quantumbehaved Particle Swarm Optimization,QPSO)参数选择的加权最小二乘支持向量机(Weighted Least Squares Support VectorMachine,WLS-SVM)的超短期风电功率预测模型.应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性.
針對大規模風電場風電功率的非線性特性,採用最小二乘支持嚮量機(LS-SVM)的預測模型.由于LS-SVM的參數選擇直接影響著模型的預測精度,于是採用一種基于量子粒子群優化方法來選擇模型的超參數.為瞭瀰補模型損失的魯棒性,通過給每箇樣本誤差不同的權繫數,建立瞭具有良好汎化性能的WLS-SVM迴歸模型,從而進一步提高瞭模型預測的精度.本文提齣一種基于量子粒子群優化(Quantumbehaved Particle Swarm Optimization,QPSO)參數選擇的加權最小二乘支持嚮量機(Weighted Least Squares Support VectorMachine,WLS-SVM)的超短期風電功率預測模型.應用上述方法對內矇古地區大型風電場進行瞭預測,結果證明瞭該方法的有效性.
침대대규모풍전장풍전공솔적비선성특성,채용최소이승지지향량궤(LS-SVM)적예측모형.유우LS-SVM적삼수선택직접영향착모형적예측정도,우시채용일충기우양자입자군우화방법래선택모형적초삼수.위료미보모형손실적로봉성,통과급매개양본오차불동적권계수,건립료구유량호범화성능적WLS-SVM회귀모형,종이진일보제고료모형예측적정도.본문제출일충기우양자입자군우화(Quantumbehaved Particle Swarm Optimization,QPSO)삼수선택적가권최소이승지지향량궤(Weighted Least Squares Support VectorMachine,WLS-SVM)적초단기풍전공솔예측모형.응용상술방법대내몽고지구대형풍전장진행료예측,결과증명료해방법적유효성.
