典型文献
基于BLS-Lasso组合模型的火电厂蒸汽量预测
文献摘要：
在火力发电过程中,蒸汽量的准确测量,对于汽轮机机组的经济稳定运行具有重要的意义.针对传统蒸汽量测量方法精度低的问题,提出了一种基于宽度学习系统(broad learning system,BLS)和Lasso(least absolute shrinkage and selection op-erator)回归模型的组合预测模型.首先利用One-class SVM(one-class support vector machines)算法对样本进行异常值检测,将检测得到的异常值剔除.然后,采用最大信息系数(maximal informationcoefficient,MIC)对特征变量和蒸汽量进行非线性关联性分析,确定宽度学习系统和Lasso回归模型的输入变量,通过训练得出各自的预测结果.最后,通过最优加权组合法确定两单一模型的权重系数,将它们所得的预测结果线性组合,得到最终的预测结果.实例表明,所建立的组合模型有效地缓解了单一模型在变化剧烈的峰值和谷值预测偏差大的问题,能够准确地预测蒸汽量.
文献关键词：
蒸汽量预测;宽度学习系统;Lasso回归模型;最优加权组合法;组合模型
中图分类号：
作者姓名：
封之聪;祝云;高枫
作者机构：
广西电力系统最优化与节能技术重点实验室(广西大学),南宁530004
文献出处：
引用格式：
[1]封之聪;祝云;高枫-.基于BLS-Lasso组合模型的火电厂蒸汽量预测)[J].科学技术与工程,2022(26):11394-11401
A类：
蒸汽量预测,erator,informationcoefficient,最优加权组合法
B类：
BLS,Lasso,组合模型,火电厂,火力发电,准确测量,汽轮机,经济稳定,宽度学习系统,broad,learning,system,least,absolute,shrinkage,selection,op,组合预测模型,One,class,one,support,vector,machines,异常值检测,异常值剔除,最大信息系数,maximal,MIC,特征变量,非线性关联,关联性分析,练得,权重系数,线性组合,谷值,预测偏差
AB值：
0.375139
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。
