典型文献
基于优化后的内核极限学习机的短期风力发电功率预测
文献摘要：
为提高短期风力发电功率预测的精度,经过对比选择了内核极限学习机(Kernel Extreme Learning Machine,KELM)预测模型的原始模型,对该模型的内部参数进行研究,选择了多元宇宙优化算法(Multi-Verse Optimizer,MVO)对其参数进行优化.还提出用鲸鱼优化算法(Whale Optimization Algorithm,WOA)来给MOV初始化种群,以使MVO算法更不容易陷入局部最优,从而有着更好的求解能力.通过此预测模型进行发电功率预测,获得一个均方根误差(RMSE)值为0.0032、平均预测误差为0.00033的预测结果,最后进行对比实验验证其具有较好的预测效果.
文献关键词：
发电量预测;多元宇宙优化算法;鲸鱼优化算法;内核极限学习机
中图分类号：
作者姓名：
宣畅
作者机构：
浙江工商大学萨塞克斯人工智能学院,浙江 杭州 310018
文献出处：
引用格式：
[1]宣畅-.基于优化后的内核极限学习机的短期风力发电功率预测)[J].软件工程,2022(04):39-47
A类：
内核极限学习机
B类：
风力发电功率,发电功率预测,对比选择,Kernel,Extreme,Learning,Machine,KELM,多元宇宙优化算法,Multi,Verse,Optimizer,MVO,鲸鱼优化算法,Whale,Optimization,Algorithm,WOA,MOV,初始化,局部最优,RMSE,预测误差,发电量预测
AB值：
0.29342
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。
