大型风电场超短期风电功率预测

　　中文摘要: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（Quantum-behaved Particle Swarm Optimization， QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine， 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。