基于改进PSO的SVM参数优化及其在风速预测中的应用

作者：祝晓燕; 张金会; 付士鹏; 朱霄珣

来源：中国电力, 2013, (11): 105-108.

• 风速预测
• 改进粒子群优化(PSO)算法
• 支持向量机(SVM)
• 参数选择 improved PSO
• SVM
• parameter selection
• wind speed forecasting

针对风电场短期风速预测的准确性问题,提出一种基于改进粒子群优化(PSO)算法的支持向量机(SVM)风速预测方法。通过对基本粒子群算法中的学习因子进行改进,来改善粒子群算法的自我学习能力和社会学习能力,从而使其更有利于收敛到全局最优解,进而能够找到更准确的参数值,使支持向量机的预测误差达到最小,提高风速的预测精度。实验结果表明,与PSO-SVM预测法和SVM预测法相比较,改进PSO-SVM法预测结果更准确。

• 出版日期2013
• 单位华北电力大学