文献类型：期刊文章

作　　者：李国全[1] 高建宇[2] 白天宇[3] 李华[4]

Li Guoquan;Gao Jianyu;Bai Tianyu;Li Hua(Kailuan Energy Chemical Co.,Ltd.,Tangshan 063100,China;Qinggong College,North China University of Science and Technology,Tangshan 063000,China;School of Electronic and Information Engineering,Hebei University of Technology,Tianjin 300401,China;School of Electrical Engineering,Hebei University of Technology,Tianjin 300401,China)

机构地区：[1]开滦能源化工股份有限公司,唐山063100 [2]华北理工大学轻工学院,唐山063000 [3]河北工业大学电子信息工程学院,天津300401 [4]河北工业大学电气工程学院,天津300401

出　　处：《国外电子测量技术》

基　　金：天津市自然科学基金(19JCZDJC32100);河北省自然科学基金(E2018202282)项目资助

年　　份：2022

卷　　号：41

期　　号：2

起止页码：40-45

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对如何提高风力发电功率预测的准确率,研究设计了一种基于改进乌鸦搜索算法(ICSA)优化支持向量机(SVM)的风电功率预测模型。在乌鸦搜索算法的基础上引入高斯变异算子和差分变异策略,提出改进型乌鸦搜索算法,并将之与支持向量机相结合,搭建ICSA-SVM风电功率预测模型。使用该模型,所得预测结果的均方根误差、平均绝对误差、平均绝对百分比误差等指标的值分别为4.42%、3.56%和5.22%。结果表明ICSA-SVM模型可实现参数优化,并有效提升了预测精度。研究成果可服务于含风能的电力系统日前调度,对推广清洁能源、实现碳达峰和碳中和具有重要意义。

关 键 词：风电功率预测 改进型乌鸦搜索算法  高斯变异 差分变异  支持向量机  

分 类 号：TP18] TM614]