中文摘要:針對大規(guī)模風電場風電功率的非線性特性，采用最小二乘支持向量機（LS-SVM）的預測模型。由于LS-SVM的參數(shù)選擇直接影響著模型的預測精度，于是采用一種基于量子粒子群優(yōu)化方法來選擇模型的超參數(shù)。為了彌補模型損失的魯棒性，通過給每個樣本誤差不同的權系數(shù)，建立了具有良好泛化性能的WLS-SVM回歸模型，從而進一步提高了模型預測的精度。本文提出一種基于量子粒子群優(yōu)化（Quantum-behaved Particle Swarm Optimization， QPSO）參數(shù)選擇的加權最小二乘支持向量機（Weighted Least Squares Support Vector Machine， WLS- SVM）的超短期風電功率預測模型。應用上述方法對內(nèi)蒙古地區(qū)大型風電場進行了預測，結果證明了該方法的有效性。