基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
介绍了风力发电场风机输出功率预测的相关背景和研究意义,应用数据挖掘中的经典M5P算法和改进的M5P分类算法对风力发电机输出功率预测进行归纳、对比和分析.首先,对原始数据进行预处理,去除无效数据,以提高实验精确度和效率;然后,采用上述两种算法进行数据处理;最后,验证了改进的M5P算法对风机输出功率预测的高效性和准确性.
推荐文章
基于PCA-GA-BP算法的风力发电功率预测
风力发电
PCA 主成分分析
遗传算法
BP 神经网络
降维
传递函数
参与快速频率响应的风力发电输出功率决策指标研究
决策指标;快速频率响应;频率稳定性;风力发电
基于长短期记忆神经网络的风力发电 功率预测方法
深度学习
时序预测
风力发电
长短期记忆神经网络
电动汽车参与风电场输出功率波动平抑方法研究
风电场
电动汽车
功率波动
鲁棒优化
双层优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于沿海风力发电场风机输出功率预测的分类算法对比
来源期刊 上海电力学院学报 学科 工学
关键词 风力发电场 短期风机输出功率预测 数据挖掘 M5P算法
年,卷(期) 2013,(6) 所属期刊栏目 新能源
研究方向 页码范围 536-539,562
页数 5页 分类号 TP311.13|TM315
字数 3996字 语种 中文
DOI 10.3969/j.issn.1006-4729.2013.06.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 雷景生 上海电力学院计算机科学与技术学院 32 203 7.0 13.0
2 杜海舟 上海电力学院计算机科学与技术学院 22 100 5.0 9.0
3 高逸君 上海电力学院计算机科学与技术学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (69)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(6)
  • 参考文献(1)
  • 二级参考文献(5)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(8)
  • 参考文献(1)
  • 二级参考文献(7)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
风力发电场
短期风机输出功率预测
数据挖掘
M5P算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
上海电力大学学报
双月刊
2096-8299
31-2175/TM
大16开
上海市平凉路2103号
1980
chi
出版文献量(篇)
2781
总下载数(次)
10
论文1v1指导