典型文献
基于SVM与改进型乌鸦搜索算法的风电功率预测方法
文献摘要：
针对如何提高风力发电功率预测的准确率,研究设计了一种基于改进乌鸦搜索算法(ICSA)优化支持向量机(SVM)的风电功率预测模型.在乌鸦搜索算法的基础上引入高斯变异算子和差分变异策略,提出改进型乌鸦搜索算法,并将之与支持向量机相结合,搭建ICSA-SVM风电功率预测模型.使用该模型,所得预测结果的均方根误差、平均绝对误差、平均绝对百分比误差等指标的值分别为4.42％、3.56％和5.22％.结果表明ICSA-SVM模型可实现参数优化,并有效提升了预测精度.研究成果可服务于含风能的电力系统日前调度,对推广清洁能源、实现碳达峰和碳中和具有重要意义.
文献关键词：
风电功率预测;改进型乌鸦搜索算法;高斯变异;差分变异;支持向量机
中图分类号：
作者姓名：
李国全;高建宇;白天宇;李华
作者机构：
开滦能源化工股份有限公司 唐山063100;华北理工大学轻工学院 唐山063000;河北工业大学电子信息工程学院 天津300401;河北工业大学电气工程学院 天津300401
文献出处：
引用格式：
[1]李国全;高建宇;白天宇;李华-.基于SVM与改进型乌鸦搜索算法的风电功率预测方法)[J].国外电子测量技术,2022(02):40-45
A类：
改进型乌鸦搜索算法
B类：
风电功率预测,风力发电功率,发电功率预测,ICSA,优化支持向量机,功率预测模型,高斯变异,变异算子,差分变异,变异策略,平均绝对误差,平均绝对百分比误差,风能,电力系统,日前调度,清洁能源,碳达峰和碳中和
AB值：
0.166694
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。
