基于PSO-SVM-AdaBoost的超短期风电功率预测

摘要

超短期风电功率预测对电力系统正常运转至关重要，针对超短期风电功率的复杂性与多样性这一问题，本文通过分析目标风电场测风塔在不同高度的风速数据，提出对风电场的所有风机进行超短期功率预测的组合模型。首先，采用残差的孤立森林离群值检测方法对采集的数据进行预处理。然后，通过粒子群（particle swarm optimization,PSO）来优化支持向量机（support vector machine,SVM）中的参数。随后使用训练好的SVM作为弱回归器之一参与到AdaBoost的过程中，AdaBoost会迭代训练多个SVM回归器并调整权重，最终集成一个强回归器。最后，通过对内蒙古某风电场的数据在不同模型下的预测结果进行分析，本文提出的PSO-SVM-AdaBoost模型较单一的SVM模型、经过PSO优化的SVM模型（PSO-SVM），以及结合了SVM与AdaBoost机制的模型（SVM-AdaBoost），在预测精度上有较大的提升。

关键词

测风塔数据 / 超短期功率 / 孤立森林 / PSO-SVM / AdaBoost