基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测  

Short-term wind load forecasting based on improved LSSVM and error forecasting correction

作　　者：李霄[1] 王昕[1] 郑益慧[1] 李立学[1] 生西奎 吴昊[2] 

机构地区：[1]上海交通大学电工与电子技术中心,上海200240 [2]国网吉林省电力有限公司延边供电公司,吉林延边133000

出　　处：《电力系统保护与控制》2015年第11期63-69,共7页Power System Protection and Control

基　　金：国家自然科学基金(60504010);国家高新技术863发展计划(2008AA04Z129);上海市自然科学基金(14ZR1421800);流程工业综合自动化国家重点实验室开放课题基金资助~~

摘　　要：为了提高风电负荷预测精度,保证风电场资源得到有效利用,提出了基于改进最小二乘支持向量机和预测误差校正相结合的方法。首先引入提升小波分解原始数据,可以有效提取其主要特征,从而克服风电场的随机性。然后采用最小二乘支持向量机对分解后的信号做预测,保证了预测精度。接着用误差校正方式修正预测结果,减少了较大误差点的出现,提高了预测结果的稳定性。最后,通过某风电场预测结果表明,基于提升小波和最小二乘支持向量机的方法可以提高预测的精度,误差预测的方法也可以有效地校正预测结果。仿真结果验证了该方法用于风电负荷预测是有效可行的。In order to improve the wind load forecasting precision and ensure the effective use of wind power resources, a method based on improved least square support vector machine （LSSVM） combined with error forecasting is proposed. Firstly, lifting wavelet transform （LWT） decomposition of the original data is introduced to effectively extract the main features, with which the randomness of the wind is overcome; secondly LSSVM is used for the prediction of decomposed signals to ensure accuracy; then, error forecasting （EF） is added to reduce the large error points and improve the stability of the results. Finally, experimental results using real wind farm data show that the forecasting model is better in both generalization performance and predictive accuracy, and may provide an effective and practical way for the short-term wind load forecasting.

关 键 词：提升小波 最小二乘支持向量机 误差预测 风电负荷预测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TM614[自动化与计算机技术—控制科学与工程]