典型文献
基于信号分解和核极限学习机的风电功率预测
文献摘要：
针对传统短期风功率预测模型在功率变化较大情况下的预测精度不高问题,提出了一种基于信号分解和量子粒子群算法优化核极限学习机的短期风功率预测模型.首先利用经验小波变换将原始风功率序列分解成为若干个模态分量,再利用核极限学习机建立每个模态分量的预测模型,为了提高模型预测精度,采用量子粒子群算法优化核极限学习机参数,最后将每个模态分量预测值相加得到最终的功率预测结果.以实际风电场发电功率为例,并与其他预测模型进行比较,结果表明所提模型具有较高的预测精度.
文献关键词：
风功率预测;核极限学习机;经验小波变换;量子粒子群算法
中图分类号：
作者姓名：
马宁;董泽;冯斌
作者机构：
华北电力科学研究院有限责任公司,北京 100045;华北电力大学河北省发电过程仿真与优化控制技术创新中心,河北 保定 071003;华北电力科学研究院有限责任公司西安分公司,陕西 西安 710065
文献出处：
引用格式：
[1]马宁;董泽;冯斌-.基于信号分解和核极限学习机的风电功率预测)[J].山东电力技术,2022(01):1-6
A类：
B类：
信号分解,核极限学习机,风电功率预测,短期风功率预测,功率预测模型,量子粒子群算法,算法优化,经验小波变换,序列分解,分解成,若干个,模态分量,相加,加得,风电场,发电功率
AB值：
0.173819
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。
