论文部分内容阅读
提出一种核极限学习机分位数回归的风电功率区间预测模型(KELM-QR),利用核极限学习机拟合能力强和分位数回归非对称形式的绝对值残差最小化的思想,实现风电功率区间的快速准确预测.设计兼顾分位数回归和提高区间覆盖率指标的适应度函数,采用粒子群算法优化模型参数,提高预测性能.与其他方法及不同风场数据仿真对比表明,构建的KELM-QR模型的概率性预测区间的覆盖率更高、平均带宽更窄、鲁棒性好.