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:
针对风电具有较强的随机性和波动性,传统的单一预测方法难以准确描述其规律且预测精度较低的问题,提出风速熵和功率熵的概念,在时间序列法的基础上分别采用基于风速和基于功率的预测方法,并根据风速熵和功率熵的计算结果动态设置预测点的权值,建立风电功率的熵权时序模型.算例分析结果表明,所提方法能有效提取风速及功率历史数据中的有用信息,提高超短期风电功率预测精度,预测结果的准确率和合格率均优于神经网络法、时间序列法和基于风速法.
推荐文章
基于动态集成LSSVR的超短期风电功率预测
超短期风电功率预测
最小二乘支持向量回归
动态集成
动态时间弯曲距离
数值天气预报
基于CS-SVR模型的短期风电功率预测
功率预测
布谷鸟搜索算法
支持向量回归机
参数寻优
异常数据剔除
基于EEMD-IGSA-LSSVM的超短期风电功率预测?
集合经验模态分解
风功率预测
最小二乘向量机
改进引力搜索算法
指数径向基核函数
基于风速融合和NARX神经网络的短期风电功率预测
短期风电功率预测
预测模型
NARX神经网络
风速融合
数据融合
数据处理
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 基于熵权时序模型的超短期风电功率预测
来源期刊 水电能源科学 学科 工学
关键词 熵权时序模型 功率预测 时间序列 风速熵 功率熵
年,卷(期) 2014,(8) 所属期刊栏目 能源
研究方向 页码范围 189-192
页数 4页 分类号 TM614
字数 语种 中文
DOI
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 张步涵 华中科技大学强电磁工程与新技术国家重点实验室 81 2172 25.0 45.0
2 靳冰洁 华中科技大学强电磁工程与新技术国家重点实验室 3 39 1.0 3.0
3 邓韦斯 华中科技大学强电磁工程与新技术国家重点实验室 3 42 2.0 3.0
4 邵剑 华中科技大学强电磁工程与新技术国家重点实验室 3 99 2.0 3.0
5 吴俊利 华中科技大学强电磁工程与新技术国家重点实验室 4 6 2.0 2.0
6 张凯敏 华中科技大学强电磁工程与新技术国家重点实验室 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
研究主题发展历程
节点文献
熵权时序模型
功率预测
时间序列
风速熵
功率熵
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
水电能源科学
月刊
1000-7709
42-1231/TK
大16开
武汉市洪山区珞喻路1037号华中科技大学内
38-111
1983
chi
出版文献量(篇)
9307
总下载数(次)
26
论文1v1指导