[发明专利]基于分段蚁群算法优化SVM的短期风电功率预测方法

摘要

本发明公开了一种基于分段蚁群算法优化SVM的短期风电功率预测方法，包括以下步骤：选取样本原始数据并对其进行预处理以消除量纲对原始数据的影响，其中原始数据包括M组影响风电输出功率的环境影响因素和其对应的风电输出功率；根据处理后的数据，确定支持向量机的结构；结合支持向量机的结构，对支持向量机的核函数参数γ以及惩罚系数C进行分段蚁群优化，获得满足期望误差的SVM的最优参数组合；根据获得的SVM的最优参数组合，构建SVM模型即风电功率预测模型，利用该模型即可实现短期风电功率预测。本发明能有效减小人为主观意识选择对模型参数组合造成的影响，且该方法不局限应用于风力发电功率预测，可应用于其他已知历史数据的模型预测。

主权项

1.一种基于分段蚁群算法优化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、选取样本原始数据并对其进行预处理以消除量纲对原始数据的影响，其中原始数据包括M组影响风电输出功率的环境影响因素和其对应的风电输出功率；步骤2、根据步骤1获得的数据，确定支持向量机的结构；步骤3、结合步骤2支持向量机的结构，对支持向量机的核函数参数γ以及惩罚系数C进行分段蚁群优化，获得满足期望误差的SVM的最优参数组合；步骤4、根据步骤3获得的SVM的最优参数组合，构建SVM模型即风电功率预测模型，利用该模型即可实现短期风电功率预测。