一种基于IOFA-SVM的短期风电功率预测方法技术

本发明专利技术涉及一种基于IOFA‑SVM的短期风电功率预测方法，其技术特点是：步骤1、收集风力发电待预测数据并对其进行归一化处理；步骤2、选取目标函数与误差评价指标；步骤3、使用改进最优觅食算法及优化支持向量机，进行短期风电功率预测。本发明专利技术设计合理，其在传统的最优觅食算法中加入柯西变异和差分进化策略，使算法及早跳出局部最优觅食位置找到全局最优解，来提高算法的预测精度和减少算法的收敛时间，提高了算法全局的寻优能力以获取SVM的最优参数，提高了风电功率预测精度和准确性，对风力发电机组协调规划和电力系统经济调度具有重大意义。

【技术实现步骤摘要】
一种基于IOFA-SVM的短期风电功率预测方法
本专利技术属于风力发电
，尤其是一种基于IOFA-SVM(改进最优觅食算法-优化支持向量机)的短期风电功率预测方法。
技术介绍
经济发展对能源的需求与日俱增，但资源枯竭、环境污染和气候变化等问题与现实要求矛盾日益突出，所以清洁能源的开发利用得到各国的大力关注。风力资源作为一种清洁能源，在我国的蕴含量十分丰富，风能的大规模开发利用将极大缓解环境污染和用电负荷持续增长的问题，但由于风能受气象因素影响严重的特性导致风电输出功率具有间歇性、随机性，大规模风电并网将会影响电网的电压和频率，并将对电网安全运行及电力部门做出合理的调度计划造成巨大影响。因此，准确的预测风电输出功率对促进清洁能源的开发利用和电网的安全经济运行具有重要意义。短期风电功率预测一般将对未来72小时之内的风电输出功率作为主要研究内容，预测方法主要包括物理方法和统计方法。物理方法是一种基于数值天气预报的方法，利用大量气象数据做数值计算来预测未来的天气情况，并根据风电场的功率曲线预测输出功率值，但由于物理方法对气象预报系统要求较本文档来自技高网...

【技术保护点】
1.一种基于IOFA-SVM的短期风电功率预测方法，其特征在于：包括以下步骤：/n步骤1、收集风力发电待预测数据并对其进行归一化处理；/n步骤2、选取目标函数与误差评价指标；/n步骤3、使用改进最优觅食算法及优化支持向量机，进行短期风电功率预测。/n

【技术特征摘要】
1.一种基于IOFA-SVM的短期风电功率预测方法，其特征在于：包括以下步骤：
步骤1、收集风力发电待预测数据并对其进行归一化处理；
步骤2、选取目标函数与误差评价指标；
步骤3、使用改进最优觅食算法及优化支持向量机，进行短期风电功率预测。


2.根据权利要求1所述的一种基于IOFA-SVM的短期风电功率预测方法，其特征在于：所述风力发电待预测包括风电功率、风速和风向正余弦值。


3.根据权利要求1所述的一种基于IOFA-SVM的短期风电功率预测方法，其特征在于：所述步骤2选取均方根误差作为SVM的目标函数，选取的误差评价指标包括：平均绝对误差、标准绝对值平均误差和标准均方误差。


4.根据权利要求1所述的一种基于IOFA-SVM的短期风电功率预测方法，其特征在于：所述步骤3的具体实现方法为：
步骤3.1、使用改进的最优觅食算法搜索最优觅食位置，选取最优惩罚因子c和核函数参数g；
步骤3.2、对输入待预测数据建立SVM回归预测模型得到预测结果，并进行反归一化。
步骤3.3、将预测结果与实际风电功率数据对比，选取评价指标衡量预测结果。


5.根据权利要求4所述的一种基于IOFA-SVM的短期风电功率预测方法，其特征在于：所述步骤3.1的具体实现方法包括以下步骤：
⑴初始化种群觅食位置，并计算每个个体的目标函数值；
⑵对目标函数值进行排序，记录当前最优觅食位置和最优目标函数值；
⑶计算新的觅食位置并计算新的目标函数值；
⑷判断新的觅食位置，选出当前最优觅食位置为最优解；
⑸对当前最优觅食位置进行柯西变异，计算目标函数值；
⑹比较变异前后的目标函数值，若变异后的觅食位置优于之前位置，保留变异后的位置用于下次搜索，否则忽略新位置；
⑺对每个个体进行差分进化操作；
⑻判断是否达到最大搜索次数，达到结束搜索并输出最优觅食位置，得到最优惩罚因子c和核函数参数g，否则继续执行步骤⑶。


6.根据权利要求5所述的一种基于IOFA-SVM的短期风电功率预测方法，其特...

【专利技术属性】
技术研发人员：谢波，孙名扬，张政林，孙文治，张惠娟，李玲玲，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12