典型文献
相似样本优化选取的短期风电功率预测
文献摘要：
为减少训练样本中的冗余数据和特征信息,提高风电功率预测的精度,提出了一种基于核主成分分析(KPCA)、动态时间规整法(DTW)及核极限学习机(KELM)相结合的预测方法(KPCA_DTW_KELM).首先对影响风机出力的各个因素进行核主成分分析,筛选出贡献率较高的特征因素.为优化样本数据,引入动态时间规整法,找出与预测日相似的样本数据,采用核极限学习机(KELM)进行风电功率预测.根据提出的预测方法,对上海某风电场数据进行对比实验.实验证明,KPCA_DTW_KELM预测模型提高了短期风电功率预测的精度,具有一定普适性.
文献关键词：
核主成分分析;动态时间规整法;核极限学习机;短期风电功率预测
中图分类号：
作者姓名：
张颖超;沈子豪;马伟叁;熊雄;陈昕
作者机构：
南京信息工程大学 自动化学院,南京 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;中国铁路上海局集团有限公司,上海 200000
文献出处：
引用格式：
[1]张颖超;沈子豪;马伟叁;熊雄;陈昕-.相似样本优化选取的短期风电功率预测)[J].重庆理工大学学报,2022(01):277-284
A类：
B类：
样本优化,短期风电功率预测,少训练,训练样本,冗余数据,特征信息,核主成分分析,KPCA,动态时间规整法,DTW,核极限学习机,KELM,风机出力,风电场
AB值：
0.165686
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
