基于最小二乘支持向量機的風電功率短期預測研究.pdf

1、由于風能的波動性和間歇性，導致風力發(fā)電的輸出功率的波動性和不穩(wěn)定性，對風電并網和電力系統(tǒng)調度造成了很大的沖擊，嚴重阻礙了大規(guī)模風電接入電力系統(tǒng)。為了在保障電網安全穩(wěn)定運行的前提下盡可能多的接納風電，對風電場輸出功率做出準確的預測就變得非常重要。
　　本文采用最小二乘支持向量機來建立風電功率的短期預測模型。由于最小二乘支持向量機的核函數和超參數對預測模型的性能影響很大，本文分別基于不同核函數對建立最小二乘支持向量機預測模型，選出了一

2、種最優(yōu)核函數；采用引力搜索算法對超參數進行選擇，建立GSA-LSSVM風電功率預測模型，將結果與支持向量機模型和BP神經網絡預測結果比較，結果表明采用ERBF核函數和GSA參數優(yōu)化的最小二乘支持向量機模型的預測精度更高，表明這種模型是一種更可靠的風電功率短期預測模型。
　　常規(guī)的預測問題只能做出確定性的點預測，但是風電功率的預測存在一定水平的誤差。為了確定某預測值出現的概率，考慮對風電功率進行不確定性的概率預測，構建每個預測點的置

3、信預測區(qū)間。本文采用非參數估計方法進行風電功率的短期區(qū)間預測，基于LSSVM回歸模型的線性光滑屬性，計算預測點的方差和偏差估計值，來構建不同置信度下的風電場短期預測功率的置信區(qū)間。
　　基于上述風電功率的短期預測的單點預測和區(qū)間預測理論，本文基于Matlab平臺進行風電功率預測算法進行仿真，為方便預測算法的可視化操作，采用Matlab用戶圖形界面設計實現了風電功率短期預測系統(tǒng)。本系統(tǒng)基于Matlab界面設計平臺GUIDE，實現了風