期刊文献+
共找到203篇文章
< 1 2 11 >
每页显示 20 50 100
基于数据序列分辨率压缩尺度优化的月度电量预测方法 认领
1
作者 王飞 李正辉 +5 位作者 李渝 王铁强 丘刚 郭怀东 马辉 王东升 《电力系统保护与控制》 EI CSCD 北大核心 2020年第11期62-68,共7页
准确的月度电量预测是指导电力部门安排运行计划和保障售电公司盈利能力的关键基础。针对基于人工智能算法电量预测模型在训练过程中存在样本分辨率选择不当导致预测精度降低的问题,提出了一种历史数据序列分辨率压缩尺度优化方法。首... 准确的月度电量预测是指导电力部门安排运行计划和保障售电公司盈利能力的关键基础。针对基于人工智能算法电量预测模型在训练过程中存在样本分辨率选择不当导致预测精度降低的问题,提出了一种历史数据序列分辨率压缩尺度优化方法。首先将数据分辨率压缩尺度选择建模成一个优化问题。然后通过数据驱动方式进行求解。最后再利用长短期记忆(Long Short-term Memory,LSTM)神经网络实现月度电量预测,从而较好地实现了数据分辨率和电量预测步长之间的合理平衡以提升电量预测精度。利用美国PJM电力市场的历史电量数据对所提方法进行验证。仿真结果表明,较不进行分辨率压缩尺度选择所提方法具有更高的预测精度,同时LSTM网络在结合该方法时表现出了最佳的预测性能。 展开更多
关键词 电量预测 分辨率 尺度压缩 多步预测 长短期记忆神经网络
在线阅读 下载PDF
基于LSTM神经网络的畸形波预测 认领 被引量:2
2
作者 赵勇 苏丹 +1 位作者 邹丽 王爱民 《华中科技大学学报:自然科学版》 EI CAS CSCD 北大核心 2020年第7期47-51,共5页
采用长短时记忆(LSTM)神经网络预测方法对某岛礁地形模型的四个典型波浪试验数据进行预测分析,并建立了单步和多步预测模型.首先对波高时间序列数据进行归一化处理;然后建立了包括输入层、隐藏层和输出层的LSTM网络模型框架;最后对测试... 采用长短时记忆(LSTM)神经网络预测方法对某岛礁地形模型的四个典型波浪试验数据进行预测分析,并建立了单步和多步预测模型.首先对波高时间序列数据进行归一化处理;然后建立了包括输入层、隐藏层和输出层的LSTM网络模型框架;最后对测试样本进行单步预测,将预测结果与支持向量机(SVM)模型和反向传播(BP)模型进行了对比.结果表明:LSTM神经网络预测精度有明显优势;多步预测中,提高预测时长其预测精度并无明显降低. 展开更多
关键词 畸形波 长短时记忆(LSTM) 支持向量机(SVM) 反向传播(BP) 单步预测 多步预测
基于CEEMD和改进时间序列模型的超短期风功率多步预测 认领
3
作者 赵征 汪向硕 《太阳能学报》 EI CAS CSCD 北大核心 2020年第7期352-358,共7页
根据风功率非平稳特性,提出一种基于互补集合经验模态分解和时间序列分析方法中的差分自回归滑动平均模型的新型风功率组合多步预测模型。首先对风功率序列进行互补集合经验模态分解,以降低风功率序列的非平稳特性;之后采用模糊熵理论... 根据风功率非平稳特性,提出一种基于互补集合经验模态分解和时间序列分析方法中的差分自回归滑动平均模型的新型风功率组合多步预测模型。首先对风功率序列进行互补集合经验模态分解,以降低风功率序列的非平稳特性;之后采用模糊熵理论对各分量进行复杂度评估,对复杂度相近的相邻分量重新组合,从而有效降低预测时间和计算量;然后对新组合的各分量建立差分自回归滑动平均(ARIMA)模型,再对各分量进行残差序列检验,对存在异方差特性的分量建立ARIMA-GARCH模型;最后叠加各分量预测结果得到最终的风功率多步预测值。实验结果表明,所提的组合预测模型具有较高的预测精度。 展开更多
关键词 风功率预测 互补集合经验模态分解 模糊熵 ARIMA-GARCH模型 多步预测
基于最小二乘法的永磁同步电机多步预测控制 认领
4
作者 张闻涛 杨玮林 《电子测量技术》 2020年第6期58-62,共5页
有限控制集模型预测控制,因其处理系统约束和处理多变量的能力而受到广泛关注。传统的永磁同步电机通过一步预测控制虽然可以得到很好的控制效果,但是在一步预测控制方式下得到的电流与转速波动较大精确度较低。针对该问题,提出一种基... 有限控制集模型预测控制,因其处理系统约束和处理多变量的能力而受到广泛关注。传统的永磁同步电机通过一步预测控制虽然可以得到很好的控制效果,但是在一步预测控制方式下得到的电流与转速波动较大精确度较低。针对该问题,提出一种基于最小二乘法的永磁同步电机多步预测控制方法,将控制算法转变成一个最小二乘问题,以此来进行多步预测。通过仿真验证了所提出的多步预测控制方法与传统的一步预测控制方法相比,转速与电流的控制效果得到极大的改进。实验证明,在三步预测时转速波动减少了40%,同时电流控制效果得到了44%的提升。 展开更多
关键词 有限集预测控制 永磁同步电机 最小二乘 多步预测
基于正余弦算法和误差修正组合方法的汇率预测研究 认领
5
作者 刘文正 曹文秀 樊昊煜 《萍乡学院学报》 2020年第3期67-74,共8页
针对汇率数据具有高波动性、非线性和高噪声等特点,提出了一种基于分解算法和误差修正的汇率时间序列预测方法(VMD-SCA-ELM-EC)。该方法首先利用变分模态分解(VMD)算法对原始数据进行分解,然后采用正余弦算法优化的极限学习机神经网络(S... 针对汇率数据具有高波动性、非线性和高噪声等特点,提出了一种基于分解算法和误差修正的汇率时间序列预测方法(VMD-SCA-ELM-EC)。该方法首先利用变分模态分解(VMD)算法对原始数据进行分解,然后采用正余弦算法优化的极限学习机神经网络(SCA-ELM)对各个分量进行预测,并采用误差修正法(EC)拟合误差因素,最后将各项预测结果进行线性集成。选择英镑兑美元每日汇率序列进行分析预测,并将提出的模型与多种常见预测模型进行对比,实证分析得出,该方法在一步和多步提前预测中均取得更优的预测精度和方向准确率。 展开更多
关键词 汇率预测 多步预测 正余弦算法 极限学习机 变分模态分解
在线阅读 下载PDF
基于变量相关性分析的LSTM网络多步预测 认领
6
作者 沈平旭 文成林 +1 位作者 孙晓辉 赵兵 《电力科学与工程》 2020年第10期9-15,共7页
为了提高光伏发电的有效预测长度和精度,提出了一种基于变量相关性分析的改进LSTM网络多步预测方法。首先,利用R/S分析法计算各变量的赫斯特指数,剔除本身不具有相关性的变量,再采用灰色关联法计算各变量与发电量的关联度,进一步剔除与... 为了提高光伏发电的有效预测长度和精度,提出了一种基于变量相关性分析的改进LSTM网络多步预测方法。首先,利用R/S分析法计算各变量的赫斯特指数,剔除本身不具有相关性的变量,再采用灰色关联法计算各变量与发电量的关联度,进一步剔除与光伏发电量关联度小的变量;然后,对变量数据进行归一化预处理,构建改进LSTM网络对光伏发电量进行多步预测;最后,通过光伏发电量多步预测仿真图和均方误差结果,证明了基于变量相关性分析的改进LSTM网络多步预测的有效性。 展开更多
关键词 光伏发电 相关性分析 改进LSTM网络 多步预测
在线阅读 下载PDF
基于IEEMD与LS-SVM组合的短期风电功率多步预测方法 认领
7
作者 张鑫磊 李根 《电测与仪表》 北大核心 2020年第6期52-60,共9页
针对组合预测方法中经验模态分解(EMD)部分存在处理非线性和非稳态信号的不足,提出了一种改进的集总经验模态分解(IEEMD)与最小二乘支持向量机(LS-SVM)模型相结合的短时风电功率预测方法。该方法首先通过对加噪辅助分解方法噪声准则的研... 针对组合预测方法中经验模态分解(EMD)部分存在处理非线性和非稳态信号的不足,提出了一种改进的集总经验模态分解(IEEMD)与最小二乘支持向量机(LS-SVM)模型相结合的短时风电功率预测方法。该方法首先通过对加噪辅助分解方法噪声准则的研究,推导出加噪方式采用正负成对形式可以有效消除分量中的残余噪声,且确定加噪幅值和分解次数采取固定值:0.014 SD和2次。然后将原始数据通过IEEMD方法分解成一系列固有模态函数,运用游程判定法进行筛选重构成高中低频三种频段,并对不同频段的分量建立LS-SVM多步预测模型,最后将预测值自适应叠加作为最终的预测结果。通过仿真实验和实测风电功率实验验证了所提方法在预测精度上具有一定优势,为短时预测方法提供了一种新思路。 展开更多
关键词 风电功率 多步预测 EMD IEEMD LS-SVM
在线阅读 免费下载
一种Dual-LSTM混合模型的产线设备状态预测方法与应用 认领
8
作者 马跃 李成蒙 +3 位作者 尹震宇 李明时 柴安颖 赵志浩 《小型微型计算机系统》 CSCD 北大核心 2020年第12期2470-2474,共5页
智能化生产线设备健康状态、加工过程状态、产品信息等数据具有复杂化、多样化、大容量的特点,传统上对于设备的运行状况主要依靠人工经验来判断,不能及时有效地给出维护意见.针对上述问题,本文提出了一种基于Dual-LSTM(Long Short-Term... 智能化生产线设备健康状态、加工过程状态、产品信息等数据具有复杂化、多样化、大容量的特点,传统上对于设备的运行状况主要依靠人工经验来判断,不能及时有效地给出维护意见.针对上述问题,本文提出了一种基于Dual-LSTM(Long Short-Term M emory)混合模型的时序数据预测方法.首先建立LSTM预测模型对设备状态进行初步预测,然后针对多步预测过程中出现的误差"累积"问题,通过预测残差数据建立LSTM辅助模型对初步预测结果进行修正,最后采用循环迭代的方式实现了对数据的多步预测过程.通过与单LSTM模型进行实验对比,该方法在数据的单步预测和多步预测中的表现均优于单模型,验证了所提方法在时序数据预测上的准确性,为分析生产线整体的运行状态趋势提供了有效地判断依据. 展开更多
关键词 智能化生产线 Dual-LSTM混合模型 时序数据 多步预测
大坝变形的多步预测模型研究 认领
9
作者 费守明 《水利水电工程设计》 2020年第2期30-31,37,共3页
根据大坝变形时间序列分别建立多元线性回归、稳健回归和改进的BP神经网络预测模型,并进行了单步和多步预测研究。结果表明:3种模型对历史样本具有很好的拟和效果;在预测中,稳健回归、多元线性回归模型在单步预测中预测精度较高,而改进... 根据大坝变形时间序列分别建立多元线性回归、稳健回归和改进的BP神经网络预测模型,并进行了单步和多步预测研究。结果表明:3种模型对历史样本具有很好的拟和效果;在预测中,稳健回归、多元线性回归模型在单步预测中预测精度较高,而改进的BP神经网络模型在多步预测中预测精度较高,抗干扰性强,适合预见期较长的坝体变形预测。 展开更多
关键词 大坝变形 多步预测 神经网络 线性回归
在线阅读 下载PDF
基于深度学习的办公建筑照明插座能耗多步预测 认领
10
作者 周璇 雷尚鹏 闫军威 《华南理工大学学报:自然科学版》 EI CAS CSCD 北大核心 2020年第10期19-29,共11页
照明插座能耗多步预测对建筑电力负荷调度、能耗优化管理等节能技术的研究具有重要意义。然而,由于受到人行为、室外干球温度、相对湿度等诸多因素的影响,照明插座能耗时间序列具有不确定性、随机性以及非线性等特征,难以准确预测。文... 照明插座能耗多步预测对建筑电力负荷调度、能耗优化管理等节能技术的研究具有重要意义。然而,由于受到人行为、室外干球温度、相对湿度等诸多因素的影响,照明插座能耗时间序列具有不确定性、随机性以及非线性等特征,难以准确预测。文中分析了大型办公建筑照明插座分项能耗时间序列的分布特征,采用长短期记忆模型,提出了基于深度学习的多步预测建模方法,讨论了隐含层数、隐含层神经元数与迭代次数等深度学习建模超参数的选择问题,并探讨了样本数量对模型预测精度的影响。仿真结果表明,与BP神经网络模型、最小二乘支持向量机模型相比,深度学习预测模型的24 h多步预测平均精度分别提高了13.25%与4.23%。 展开更多
关键词 照明插座能耗 多步预测 深度学习 长短期记忆模型 大型办公建筑
在线阅读 免费下载
基于深度分解的非平稳非高斯过程多步预测 认领
11
作者 李春祥 金梦雅 《振动.测试与诊断》 EI CSCD 北大核心 2020年第4期711-718,823,824,共10页
首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处... 首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处理,降低实测风速风压复杂性,提升其可预测性;其次,根据Mercer定理构造了Morlet+Hermite(MH)线性组合核函数,使其具有局部多分辨性和全局泛化性的优点,采用粒子群算法(particle swarm optimization,简称PSO)对MH核进行参数优化,结合最小二乘支持向量机(least square support vector machine,简称LSSVM)建立HDD-MH-LSSVM多步预测模型;然后,将该模型与常用核函数构成的HDD-Poly-LSSVM,HDD-径向基函数(radial basis function,简称RBF)-LSSVM多步预测模型以及极限学习机(extreme learning machine,简称ELM)多步预测模型形成对比;最后,采用下击暴流风速和台风天大跨膜结构表面实测风压进行大步数多步预测验证。结果表明,HDD-MH-LSSVM预测算法预测精度高、稳定性好、通用性强。 展开更多
关键词 非平稳非高斯过程 极端风 混合深度分解 小波混合核 最小二乘支持向量机 多步预测
在线阅读 下载PDF
带自相关约束的NARX动态软测量模型 认领
12
作者 熊伟丽 孙文心 马君霞 《控制与决策》 EI CSCD 北大核心 2020年第4期816-822,共7页
非线性带外输入自回归模型(NARX)在进行预测估计时依赖于主导变量的实时测量,因此在实际工业过程中存在一定的实施难度.针对该问题,利用神经网络构造一种新型NARX动态软测量模型,当工业过程无法及时提供上时刻主导变量测量值时,能通过... 非线性带外输入自回归模型(NARX)在进行预测估计时依赖于主导变量的实时测量,因此在实际工业过程中存在一定的实施难度.针对该问题,利用神经网络构造一种新型NARX动态软测量模型,当工业过程无法及时提供上时刻主导变量测量值时,能通过多步预测方法来确保主导变量的实时预测,通过设计模型结构来降低预测序列的自相关性,从而抑制由多步估计造成的累积误差,以适当降低单步预测精度为代价,使模型在主导变量检测时间长、采样周期长、测量存在噪声的工业场合下得到更好的预测效果.通过数学分析和脱丁烷塔数据仿真实验验证了所构建模型的有效性. 展开更多
关键词 动态软测量建模 神经网络 NARX模型 多步预测
超声波电机多步预测迭代学习转速控制 认领
13
作者 黄文文 宋璐 史敬灼 《微电机》 北大核心 2020年第4期66-69,76共5页
超声波电机的时变非线性运行特征,使其不易得到期望的运动控制性能。本文从二维(2D)系统角度出发,给出一种包含控制量差分项的迭代学习控制器形式。随后,基于2D目标函数,采用多步预测思想进行迭代学习控制器设计,推导出一种多步预测迭... 超声波电机的时变非线性运行特征,使其不易得到期望的运动控制性能。本文从二维(2D)系统角度出发,给出一种包含控制量差分项的迭代学习控制器形式。随后,基于2D目标函数,采用多步预测思想进行迭代学习控制器设计,推导出一种多步预测迭代学习控制策略,并用于超声波电机转速控制。仿真和实验结果表明,控制策略有效,迭代过程中学习效果明显,电机控制性能良好。 展开更多
关键词 超声波电机 迭代学习 多步预测 转速控制
在线阅读 下载PDF
基于改进新陈代谢GM(1,1)的ZPW-2000A型轨道电路故障预测 认领 被引量:1
14
作者 夏荣斌 肖金山 吴永成 《兰州交通大学学报》 CAS 2019年第5期67-73,共7页
ZPW-2000A型无绝缘移频轨道电路在我国铁路线路上应用广泛,随着铁路线路向高速化、重载化的方向发展,传统的电务“故障修”及“定时修”在保证线路安全、提高运营效率及经济性等方面劣态日显.引入PHM理论,通过改进GM(1,1)模型实现ZPW-20... ZPW-2000A型无绝缘移频轨道电路在我国铁路线路上应用广泛,随着铁路线路向高速化、重载化的方向发展,传统的电务“故障修”及“定时修”在保证线路安全、提高运营效率及经济性等方面劣态日显.引入PHM理论,通过改进GM(1,1)模型实现ZPW-2000A轨道电路的故障预测.首先,为选取更优的预测模型,分别对传统GM(1,1)进行两次改进,即新陈代谢GM(1,1)模型与改进新陈代谢GM(1,1)模型.其次,引入预测步长思想,进一步提高模型预测精度.基于兰州西站轨道电路测试数据的算法验证表明改进新陈代谢GM(1,1)间接多步预测模型的预测结果最优.最后,通过实例验证了该模型在轨道电路故障预测中的有效性. 展开更多
关键词 轨道电路 改进GM(1 1)模型 故障预测 多步预测
在线阅读 下载PDF
二层分解技术在电价预测中的应用研究 认领 被引量:1
15
作者 殷豪 曾云 +1 位作者 黄圣权 董朕 《计算机应用研究》 CSCD 北大核心 2019年第4期1101-1105,共5页
针对电价波动幅度大且预测精度低的问题,提出了二层分解技术与神经网络组成的电价多步预测模型。该模型采用集合经验模式分解将原始电价序列分解为一系列分量,变分模态分解将第一层分解产生的最高频率分量进一步分解为一系列模态分量,... 针对电价波动幅度大且预测精度低的问题,提出了二层分解技术与神经网络组成的电价多步预测模型。该模型采用集合经验模式分解将原始电价序列分解为一系列分量,变分模态分解将第一层分解产生的最高频率分量进一步分解为一系列模态分量,所有分量采用神经网络模型进行预测,并使用纵横交叉算法对神经网络的参数进行优化,最后叠加所有子序列,得出预测电价值。仿真结果表明,所提出的模型相比其他混合模型具有更好的预测性能,且实用价值高。 展开更多
关键词 二层分解 纵横交叉算法 多步预测 神经网络 电价预测
在线阅读 下载PDF
基于区间二型FLS的短期风电功率多步预测 认领
16
作者 李军 王星辉 《控制工程》 CSCD 北大核心 2019年第2期215-222,共8页
针对短期风电功率预测,提出一种基于二型非单值区间二型模糊逻辑系统(FLS)的多步预测方法。考虑到风电功率数据的随机性特点,建立二型非单值区间二型FLS预测模型,应用反向传播(BP)算法设计预测模型前件和后件的参数,进一步将奇异值分解-... 针对短期风电功率预测,提出一种基于二型非单值区间二型模糊逻辑系统(FLS)的多步预测方法。考虑到风电功率数据的随机性特点,建立二型非单值区间二型FLS预测模型,应用反向传播(BP)算法设计预测模型前件和后件的参数,进一步将奇异值分解-QR(SVD-QR)算法应用到BP算法的结果中以确定约简后的模糊规则集合,迭代至算法的执行结果满足预测精度要求或者规定的训练代数为止。将所提方法应用于风电功率预测实例中,同等条件下,还分别与支持向量机(SVM)、一型非单值FLS、单值区间二型FLS、一型非单值区间二型FLS预测方法进行了比较。实验结果表明,所提方法取得了较高的预测精度,具有很好的预测效果,同时,模型的模糊规则数少。 展开更多
关键词 区间二型模糊逻辑系统 二型非单值模糊化 BP算法 SVD-QR算法 风电功率 多步预测
基于移动轨迹数据的城市基站人流预测研究 认领
17
作者 骆彦彦 《计算机科学与应用》 2019年第4期757-768,共12页
城市通讯基站负载日益增长且不均衡,为优化基站资源调度分配,提高基站服务质量,提出了一种基于时空关联特征的GA-BP神经网络分钟级多步预测方法。本研究基于移动用户轨迹数据,建立基站间负载时空转移概率矩阵,提取影响基站负载的时空因... 城市通讯基站负载日益增长且不均衡,为优化基站资源调度分配,提高基站服务质量,提出了一种基于时空关联特征的GA-BP神经网络分钟级多步预测方法。本研究基于移动用户轨迹数据,建立基站间负载时空转移概率矩阵,提取影响基站负载的时空因素。针对BP神经网络存在易陷入局部极小值的问题,使用遗传算法对BP神经网络的初始权值和阈值进行优化,构建GA-BP神经网络模型进行分钟级负载预测模型。该模型基于某运营商脱敏后的移动用户轨迹数据进行训练与预测,结果显示,基于时空关联特征的GA-BP模型能有效对基站分钟级多步负载进行预测。 展开更多
关键词 时空关联 BP神经网络 遗传算法 基站负载 多步预测
在线阅读 下载PDF
基于粒子滤波的混沌时间序列局域多步预测 认领 被引量:3
18
作者 姜娇娇 郭俊 杨淑莹 《现代电子技术》 北大核心 2018年第1期43-46,共4页
对混沌时间序列进行预测研究具有重要的价值和实用性,例如,进行股票预测,降雨量预测,温度预测。混沌时间序列预测的难点在于其不确定性和多步预测的困难性。一般利用最小二乘法求解模型参数,从而对混沌时间序列进行局域预测,但是... 对混沌时间序列进行预测研究具有重要的价值和实用性,例如,进行股票预测,降雨量预测,温度预测。混沌时间序列预测的难点在于其不确定性和多步预测的困难性。一般利用最小二乘法求解模型参数,从而对混沌时间序列进行局域预测,但是预测精度不是很高。为了提高局域线性预测的精度,提出基于粒子滤波(PF)的混沌时间序列局域多步预测法,利用粒子滤波进行参数优化得到更准确的优化模型进行多步预测。仿真实验结果表明,该方法的单步和多步预测效果明显得到了提升。 展开更多
关键词 局域线性预测 混沌时间序列 粒子滤波 多步预测 邻近点 预测误差
在线阅读 免费下载
能量效率和工作温度对锂离子电池剩余寿命的影响 认领 被引量:3
19
作者 王帅 王月 +1 位作者 苏小红 赵玲玲 《智能计算机与应用》 2018年第1期162-168,171共8页
利用锂离子电池已有物理性能,预测其剩余寿命是电池健康管理新兴的研究趋势。本文将表征锂离子电池性能的物理量,电流、电压、时间、温度和环境温度进行降维处理,得到2个特征物理量:电池由于工作产生的温度和电池能量效率。这样不但考... 利用锂离子电池已有物理性能,预测其剩余寿命是电池健康管理新兴的研究趋势。本文将表征锂离子电池性能的物理量,电流、电压、时间、温度和环境温度进行降维处理,得到2个特征物理量:电池由于工作产生的温度和电池能量效率。这样不但考虑了所有性能物理量对锂离子电池剩余寿命的影响,还考虑了各个物理量之间的关系。然后利用这2个特征物理量分别建立能量效率与工作温度对锂离子电池剩余寿命多步预测模型和能量效率与工作温度对锂离子电池剩余寿命整体预测模型。从实验得出,能量效率和工作温度对锂离子电池剩余寿命预测有密切的影响,并且利用这2个物理量建立锂离子电池剩余寿命预测的数据驱动模型更加合理。 展开更多
关键词 锂离子电池 数据驱动方法 特征提取 多步预测 剩余寿命预测
在线阅读 免费下载
基于混合分解技术的鲁棒极限学习机的风速预测 认领
20
作者 黄圣权 殷豪 +1 位作者 刘哲 曾云 《宁夏电力》 2018年第5期6-13,21共9页
提出一种基于混合分解技术的改进鲁棒极限学习机的风速预测模型。混合分解技术的特殊性在于采用变分模态分解,把互补集合经验模式分解所产生的高频固有模态函数进一步分解为多个模态分量,以提高短期风速预测的精度。然后对混合分解技术... 提出一种基于混合分解技术的改进鲁棒极限学习机的风速预测模型。混合分解技术的特殊性在于采用变分模态分解,把互补集合经验模式分解所产生的高频固有模态函数进一步分解为多个模态分量,以提高短期风速预测的精度。然后对混合分解技术分解得到的全部风速分量分别建立鲁棒极限学习机模型进行预测,并采用一种改进鲸鱼优化算法对鲁棒极限学习机的参数进行微调。最后,根据西班牙某一风电场实际风速数据进行风速多步短期预测。实验结果表明:基于混合分解技术和改进鲸鱼优化算法优化鲁棒极限学习机的组合预测模型在风速预测中取得较好的预测效果。 展开更多
关键词 风速预测 混合分解技术 改进鲸鱼算法 鲁棒极限学习机 多步预测
在线阅读 免费下载
上一页 1 2 11 下一页 到第
使用帮助 返回顶部 意见反馈