| 摘要: |
| 风电场短期风速的准确预测能为风电并网运行的规划、调度、运行和控制提供及时有效的信息。支持向量机基于结构风险最小化原理，从整体上考虑曲线的平滑度对数据进行拟合，对风速预测时能及时跟踪其变化趋势。针对支持向量参数难以确定问题，采用遗传算法对最小二乘支持向量机惩罚系数C和核参数σ2寻优，在对参数遗传编码时，通过对数变换编码提高了搜索灵敏度，加快了模型收敛速度。最终利用现场连续150 h实测风速样本，对其中最后12 h进行预测，结果与广义回归神经网络（GRNN）相比，表明LS-SVM有更好的泛化能力，且取得了相对 |
| 关键词: 遗传算法 支持向量机 参数优化 短期风速预测 |
| DOI：10.7667/j.issn.1674-3415.2011.11.008 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
