科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了保证电力系统的安全有效运行和便于调度人员调度，准确的风功率预测就变得极为重要，同时更高精度的预测模型也变为了研究热点。针对传统麻雀搜索算法(SSA)存在着容易出现局部最优解与全局搜索效果较差的问题，提出加入混沌序列与交换学习策略的麻雀算法对最小二乘支持向量机(LSSVM)的惩戒和核函数参数寻优，避免了单一预测变量精度不高的问题；同时为了解决预处理数据自相关性，采用完备总体经验模态分解(CEEMD)对其分解，有效降低预测曲线滞后性；最终提出基于CEEMD和改进SSA-LSSVM的超短期风功率预测模型。仿真结果表明：该模型在一定程度上提高了预测精度，提升了该模型在风功率预测中的实际应用价值。
-
单位湖北工业大学; 电子工程学院
