典型文献
基于斑点鬣狗算法优化支持向量机的短期风电功率预测
文献摘要：
为提高短期风电功率预测精度,提出了一种基于斑点鬣狗算法优化支持向量机的短期风电功率预测方法.采用斑点鬣狗算法对支持向量机的惩罚系数和核参数进行优化,建立基于SHO-SVM的短期风电功率预测模型,并采用实际风电场运行数据进行仿真分析.仿真结果表明,SHO-SVM模型的平均相对误差和均方根误差分别为4.15％和0.196,预测精度和数据波动性均优于其他模型,验证了短期风电功率预测方法的正确性和实用性.
文献关键词：
风电功率;预测;斑点鬣狗算法;支持向量机
中图分类号：
作者姓名：
余畅文;潘万宝;刘练;马小龙;刘炬;刘闯
作者机构：
国网湖北省电力有限公司荆门供电公司,湖北 荆门 448000
文献出处：
引用格式：
[1]余畅文;潘万宝;刘练;马小龙;刘炬;刘闯-.基于斑点鬣狗算法优化支持向量机的短期风电功率预测)[J].电工技术,2022(15):4-6
A类：
斑点鬣狗算法
B类：
算法优化,优化支持向量机,短期风电功率预测,罚系数,核参数,SHO,功率预测模型,风电场,运行数据,平均相对误差,波动性
AB值：
0.114184
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。
