基于KELM与PSO-LSSVM组合核方法的风电功率区间预测研究

针对风电功率单一方法区间预测性能较差的问题,该文提出一种基于组合核方法的风电功率区间预测模型。首先利用混合核密度估计法,对核极限学习机(kernel extreme learning machine,KELM)和粒子群优化最小二乘支持向量机(particle swarm optimization least square support vector machine,PSO-LSSVM)两种不同的核方法的风电功率点预测误差进行概率密度拟合,并建立区间预测模型;然后使用熵权法确定KELM和PSO-LSSVM的权值并加权组合,得到最终预测区间;最后利用甘肃某风电场的真实风电功率数据验证该方法有效性。实验结果表明,该方法可有效弥补KELM准确性差和PSO-LSSVM可靠性低的缺陷,兼顾风电功率区间预测可靠性和准确性,有效提升区间预测性能。