首页|相似样本优化选取的短期风电功率预测

相似样本优化选取的短期风电功率预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
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

展开 >

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

中国铁路上海局集团有限公司,上海 200000

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

南京信息工程大学人才启动项目江苏省高校自然科学研究面上项目中国国家铁路集团有限公司重点科研项目中国国家铁路上海局集团有限公司重大科研项目

224314170105319KJB170004N2019 T0032019041

2022

10.3969/j.issn.1674-8425(z).2022.01.033

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
年,卷(期)：2022.36(1)
  • 16