典型文献
基于风速误差校正和ALO-LSSVM的风电功率预测
文献摘要：
风资源的随机波动性引起的相位滞后性问题,导致风电功率预测精度不高,尤其是风速变化较快时,滞后性引起的预测误差较大.考虑到风速波动与风功率变化密切相关,提出一种非参数核密度估计和数值天气预报(NWP)相结合的方法,并对预测风速误差进行校正,改善了预测风速的相位滞后性;然后将校正后的风速和风功率作为输入数据进行风电功率预测;采用蚁狮算法(ALO)优化最小二乘支持向量机(LSSVM)参数,从而建立基于风速误差校正和ALO-LSSVM组合的风电功率预测模型.算例结果表明,所提方法风功率预测精度更高.
文献关键词：
风电功率预测;最小二乘支持向量机;误差校正;蚁狮算法;非参数核密度估计
中图分类号：
作者姓名：
王斌;魏成伟;谢丽蓉;包洪印;张洁琼;买买提热依木·阿布力孜
作者机构：
新疆大学电气工程学院,乌鲁木齐 830047;新疆工程学院新能源与控制学院,乌鲁木齐 830000;中船重工(海为)新能源有限公司,乌鲁木齐 830002;特变电工新疆新能源股份有限公司,乌鲁木齐 830011
文献出处：
引用格式：
[1]王斌;魏成伟;谢丽蓉;包洪印;张洁琼;买买提热依木·阿布力孜-.基于风速误差校正和ALO-LSSVM的风电功率预测)[J].太阳能学报,2022(01):58-63
A类：
B类：
误差校正,ALO,LSSVM,风电功率预测,风资源,随机波,波动性,相位滞后,滞后性,风速变化,预测误差,风速波动,非参数核密度估计,数值天气预报,NWP,测风,将校,输入数据,蚁狮算法,最小二乘支持向量机,功率预测模型,风功率预测
AB值：
0.242147
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
