典型文献
基于KELM与PSO-LSSVM组合核方法的风电功率区间预测研究
文献摘要：
针对风电功率单一方法区间预测性能较差的问题,该文提出一种基于组合核方法的风电功率区间预测模型.首先利用混合核密度估计法,对核极限学习机(kernel extreme learning machine,KELM)和粒子群优化最小二乘支持向量机(particle swarm optimization least square support vector machine,PSO-LSSVM)两种不同的核方法的风电功率点预测误差进行概率密度拟合,并建立区间预测模型;然后使用熵权法确定KELM和PSO-LSSVM的权值并加权组合,得到最终预测区间;最后利用甘肃某风电场的真实风电功率数据验证该方法有效性.实验结果表明,该方法可有效弥补KELM准确性差和PSO-LSSVM可靠性低的缺陷,兼顾风电功率区间预测可靠性和准确性,有效提升区间预测性能.
文献关键词：
风电功率区间预测;混合核密度估计;熵权法;组合核方法
中图分类号：
作者姓名：
郝晓弘;薛泽华;裴婷婷;田岭峰
作者机构：
兰州理工大学 电气工程与信息工程学院,兰州730050;重庆市送变电工程有限公司,重庆400039
文献出处：
引用格式：
[1]郝晓弘;薛泽华;裴婷婷;田岭峰-.基于KELM与PSO-LSSVM组合核方法的风电功率区间预测研究)[J].自动化与仪表,2022(04):10-14,20
A类：
组合核方法,风电功率区间预测,混合核密度估计
B类：
KELM,PSO,LSSVM,预测研究,预测性能,核密度估计法,核极限学习机,kernel,extreme,learning,machine,粒子群优化,最小二乘支持向量机,particle,swarm,optimization,least,square,support,vector,点预测,预测误差,概率密度,密度拟合,权值,预测区间,风电场,数据验证
AB值：
0.211259
相似文献
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。
