GA-LSSVM-ARIMA 组合模型在短期风功率预测中的研究_第五期_2026_现代科技研究

摘要：【摘要】：针对风电功率强波动性、非线性与随机性导致的短期预测精度不足问题，本文提出一种遗传算法（GA）优化最小二乘支持向量机（LSSVM）与自回归积分移动平均（ARIMA）的组合预测模型。该模型采用 “分而治之” 策略，利用 ARIMA 捕捉风功率序列的线性趋势与周期分量，GA-LSSVM 拟合非线性残差序列，通过加权融合得到最终预测结果。基于某风电场实测数据的仿真实验表明，相较于单一 ARIMA、LSSVM 及 BP 神经网络模型，GA-LSSVM-ARIMA 组合模型的均方根误差（RMSE）、平均绝对误差（MAE）显著降低，决定系数（R²）更接近 1，有效提升短期风功率预测精度与稳定性，可为电网调度、风电并网及储能配置提供技术支撑。

关键词：【关键词】：短期风功率预测；GA-LSSVM；ARIMA；组合模型；非线性拟合

参考文献：

[1] 张璐.基于 GA-LSSVM 与 ARIMA 组合的短期风电功率预测 [D]. 内蒙古科技大学,2022.

[2] 杨培宏,张璐,韩晓娟.基于组合模型的短期风电功率预测 [J]. 电力系统保护与控制,2021,49 (15):112-118.

[3] 刘新宇,潘宇,王亚辉.混合模型在超短期风电功率预测中的应用 [J]. 电力系统保护与控制,2025,53 (19):89-96.

[4] 王佳,李刚. ARIMA 与 SVM 组合模型的风电功率预测 [J]. 可再生能源,2020,38 (7):987-992.

[5] 陈果,李爱.最小二乘支持向量机在时序预测中的应用 [J]. 机械科学与技术,2013,32 (1):1-6.

[6] 赵峰,孙波.遗传算法优化 LSSVM 的风电功率预测 [J]. 电网技术,2019,43 (8):2834-2840.

[7] 黄涛,吴峰.基于小波分解的 ARIMA-LSSVM 风电功率预测 [J]. 电工技术学报,2022,37 (12):2678-2685.

[8] 李明,张颖.智能优化算法在风电预测中的研究进展 [J]. 中国电力,2023,56 (4):78-85.

[9] 国家能源局.风电发展 “十四五” 规划 [R]. 北京:国家能源局,2021.