典型文献
基于相似时段和PCA-ELM的超短期风电功率预测
文献摘要：
为提高风电场输出功率的预测精度,提出一种采用相似时段选取原则和基于主成分分析(principal component analysis,PCA)与多层自编码极限学习机(multi-layer auto encoder extreme learning machine,ML-AE-ELM)组合算法(PCA-ELM)的预测模型.通过关联度分析明确待测时段的相似时段范围,结合天气数据、机组状态和历史功率构建训练和测试样本,利用预测算法完成样本的训练和测试,得到输出功率预测结果并验证.实验结果表明:与常见的算法模型相比,该预测模型在不同装机容量和不同工作状态的风电场中均具有较高的预测精度,表现出良好的预测稳定性和泛化能力.
文献关键词：
风电功率预测;相似时段;主成分分析;多层自编码极限学习机
中图分类号：
作者姓名：
王磊;马磊娟
作者机构：
西北大学经济管理学院,西安 710000;河南工业职业技术学院基础教学部,河南 南阳 473000
文献出处：
引用格式：
[1]王磊;马磊娟-.基于相似时段和PCA-ELM的超短期风电功率预测)[J].兵工自动化,2022(11):32-36,53
A类：
相似时段,多层自编码极限学习机
B类：
ELM,超短期风电功率预测,风电场,选取原则,principal,component,analysis,multi,layer,auto,encoder,extreme,learning,machine,ML,AE,组合算法,过关,关联度分析,气数,机组状态,预测算法,输出功率预测,算法模型,装机容量,工作状态,泛化能力
AB值：
0.282452
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。
