基于双参数最小二乘支持向量机(TPA-LSSVM)的风电时间序列预测模型的优化研究

风电时间序列预测模型的优劣直接影响风功率的应用价值，最小二乘支持向量机（least squares support vector machine，LSSVM）在处理风电预测问题上具有明显优势。提出了一种双参数算法（two-parameter algorithm，TPA），从理论上证明了任意初始值均可线性收敛到全局最优值。调用TPA算法对LSSVM模型的惩罚因子和径向基宽度进行寻优赋值，并将训练好的TPA-LSSVM模型应用于风电预测中。仿真结果表明，与LSSVM模型、粒子群最小二乘支持向量机（PSO-LSSVM）模型、径向基函数神经网络（RBFNN）模型相比，TPA算法可以更好地实现LSSVM的参数寻优，TPA-LSSVM模型能有效提高预测精度。