文献类型：期刊文章

作　　者：王小娟[1] 刘俊霞[2] 胡兵[2] 郑连清[2]

Wang Xiaojuan;Liu Junxia;Hu Bing;Zheng Lianqing(Public Basic School,Xinjiang Institute of Electrical Engineering,Urumqi 830011,China;School of Control Engineering,Xinjiang Institute of Electrical Engineering,Urumqi 830011,China)

机构地区：[1]新疆工程学院公共基础学院,乌鲁木齐830011 [2]新疆工程学院控制工程学院,乌鲁木齐830011

出　　处：《计算机测量与控制》

基　　金：新疆自然科学基金项目（2019D01A30）;新疆高校科研计划自然科学基金项目（XJEDU2018Y056）;2016年度新疆工程学院科研基金项目（2016xgy141812）

年　　份：2020

卷　　号：28

期　　号：1

起止页码：152-155

语　　种：中文

收录情况：CSA、CSA-PROQEUST、INSPEC、JST、ZGKJHX、普通刊

摘　　要：为了提高短期风电功率预测精度,提出一种布谷鸟搜索算法(cuckoo search algorithm,CS)优化支持向量回归(support vector regression,SVR)机的预测方法,该方法首先根据上截断点和下截断点对输入数据进行预处理,剔除异常数据,之后以输入数据中的风速、平均风速、风机状态等属性数据作为SVR算法模型的输入,以风电功率数据作为SVR算法模型的输出,建立短期风电功率的SVR预测模型,针对SVR算法存在难以选择最优参数的缺点,提出采用布谷鸟算法优化SVR参数的方法,建立短期风电功率的CS-SVR预测模型;通过与SVR、PSO-SVR预测模型进行了对比仿真实验,实验结果表明,CS-SVR预测模型具有较高的预测精度。

关 键 词：功率预测 布谷鸟搜索算法  支持向量回归机 参数寻优 异常数据剔除  

分 类 号：TM614]