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:
为了对超短期风电功率进行准确的预测,本文提出一种基于最小机会损失准则的超短期风电功率组合预测方法。即首先对风电功率时间序列进行EEMD分解,对分解得到的每个IMF分量采用不同优化准则建立组合预测模型进行预测;然后采用最小机会损失准则筛选预测精度最优的模型进行预测;最后对每个IMF分量的预测值进行组合叠加得到预测结果。实验结果表明,与EEMD+ELM、EEMD+BP、EEMD+RBF和EEMD+SVM等预测方法相比较,本文所提出的方法能有效提高超短期风电功率的预测精度。
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
基于最小机会损失准则的组合评价方法研究
最小机会损失
组合评价
权重
多属性综合评价
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
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 基于最小机会损失准则的超短期风电功率组合预测
来源期刊 计算机光盘软件与应用 学科 工学
关键词 最小机会损失准则 EEMD 组合预测
年,卷(期) 2015,(3) 所属期刊栏目 本期关注 -- 互联网
研究方向 页码范围 93-93,95
页数 2页 分类号 TM614
字数 1581字 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 敖培 河南师范大学计算机与信息工程学院 30 12 1.0 1.0
2 赵四方 河南师范大学软件学院 14 7 1.0 1.0
3 李延强 河南师范大学政治与公共管理学院 18 8 1.0 1.0
4 冯志鹏 河南师范大学软件学院 8 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (2)
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)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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
最小机会损失准则
EEMD
组合预测
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
计算机光盘软件与应用
半月刊
1007-9599
11-3907/TP
北京市
18-160
1998
chi
出版文献量(篇)
21096
总下载数(次)
62
总被引数(次)
37824
论文1v1指导