基于ikPCA-FABAS-KELM的短期风电功率预测

来源：南京信息工程大学学报·自然科学版杂志2024年第3期北京时间：

作者：徐武，范鑫豪，沈智方，刘洋，刘武

单位：徐武,云南民族大学 电气信息工程学院, 昆明, 650031,范鑫豪,云南民族大学 电气信息工程学院, 昆明, 650031,沈智方,云南民族大学 电气信息工程学院, 昆明, 650031,刘洋,云南民族大学 电气信息工程学院, 昆明, 650031,刘武,新疆独山子石化公司供水供电公司, 克拉玛依, 834000

摘要：为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度;其次,引入萤火虫个体吸引策略对天牛须算法(BAS)进行改进,提出FABAS算法;最后,利用FABAS算法对核极限学习机(KELM)的正则化参数C和核参数γ进行寻优,降低人为因素对模型盲目训练的影响,提高模型预测精度.仿真结果显示,提出的预测模型有效提高了传统模型的预测精度.

关键词：短期风电功率预测;萤火虫算法;天牛须算法;核主成分分析;核极限学习机

基金资助：国家自然科学基金(U1802271)