Modelo de Predicción Híbrido de Energía Eólica Agrupado Basado en ARMA, PSO-SVM y Métodos de Agrupamiento

La predicción de energía eólica es la tecnología clave para la despacho seguro y la operación estable del sistema eléctrico con integración a gran escala de energía eólica. En este trabajo, basado en los datos históricos de energía eólica, velocidad del viento y temperatura, se establecen el modelo de predicción autoregresivo de media móvil (ARMA) y el modelo de predicción de máquina de soporte vectorial (SVM), involucrando el algoritmo de optimización por enjambre de partículas (PSO) para la optimización de parámetros del modelo SVM. Además, se ilustra un modelo híbrido de predicción PSO-SVM-ARMA basado en el modelo ARMA y PSO-SVM para la predicción de energía eólica, y se utilizan el método de minimización de covarianza y PSO para encontrar los pesos óptimos. Además, con base en la teoría de agrupamiento, se agrupan series temporales para examinar el conjunto de datos efectivo para la predicción de energía eólica, y se propone prospectivamente un modelo de predicción de energía eólica híbrido PSO-SVM-ARMA (C-PSO-SVM-ARMA). En el estudio de caso, se realizan diferentes modelos de predicción y se examina el rendimiento de predicción basado en diferentes índices de evaluación, mostrando el modelo C-PSO-SVM-ARMA un mejor rendimiento para la predicción de energía eólica con eficiencia computacional y precisión satisfactoria.