中文摘要:針對(duì)大規(guī)模風(fēng)電場(chǎng)風(fēng)電功率的非線性特性，采用最小二乘支持向量機(jī)（LS-SVM）的預(yù)測(cè)模型。由于LS-SVM的參數(shù)選擇直接影響著模型的預(yù)測(cè)精度，于是采用一種基于量子粒子群優(yōu)化方法來(lái)選擇模型的超參數(shù)。為了彌補(bǔ)模型損失的魯棒性，通過給每個(gè)樣本誤差不同的權(quán)系數(shù)，建立了具有良好泛化性能的WLS-SVM回歸模型，從而進(jìn)一步提高了模型預(yù)測(cè)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(quán)最小二乘支持向量機(jī)（Weighted Least Squares Support Vector Machine， WLS- SVM）的超短期風(fēng)電功率預(yù)測(cè)模型。應(yīng)用上述方法對(duì)內(nèi)蒙古地區(qū)大型風(fēng)電場(chǎng)進(jìn)行了預(yù)測(cè)，結(jié)果證明了該方法的有效性。