重庆理工大学学报2022，Vol.36Issue(1) ：277-284.DOI:10.3969/j.issn.1674-8425(z).2022.01.033

相似样本优化选取的短期风电功率预测

Short-term wind power forecast based on DTW similar optimization sample selection

张颖超 沈子豪 马伟叁 熊雄 陈昕
重庆理工大学学报2022，Vol.36Issue(1) ：277-284.DOI:10.3969/j.issn.1674-8425(z).2022.01.033
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

相似样本优化选取的短期风电功率预测

Short-term wind power forecast based on DTW similar optimization sample selection

张颖超 1沈子豪 2马伟叁 3熊雄 2陈昕2
扫码查看

作者信息

  • 1. 南京信息工程大学 自动化学院,南京 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044
  • 2. 南京信息工程大学 自动化学院,南京 210044
  • 3. 中国铁路上海局集团有限公司,上海 200000
  • 折叠

摘要

为减少训练样本中的冗余数据和特征信息,提高风电功率预测的精度,提出了一种基于核主成分分析(KPCA)、动态时间规整法(DTW)及核极限学习机(KELM)相结合的预测方法(KPCA_DTW_KELM).首先对影响风机出力的各个因素进行核主成分分析,筛选出贡献率较高的特征因素.为优化样本数据,引入动态时间规整法,找出与预测日相似的样本数据,采用核极限学习机(KELM)进行风电功率预测.根据提出的预测方法,对上海某风电场数据进行对比实验.实验证明,KPCA_DTW_KELM预测模型提高了短期风电功率预测的精度,具有一定普适性.

关键词

核主成分分析/动态时间规整法/核极限学习机/短期风电功率预测

引用本文复制引用

基金项目

南京信息工程大学人才启动项目(2243141701053)

江苏省高校自然科学研究面上项目(19KJB170004)

中国国家铁路集团有限公司重点科研项目(N2019 T003)

中国国家铁路上海局集团有限公司重大科研项目(2019041)

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量16
段落导航相关论文