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:
准确预测风电场的发电功率,有利于电网的经济和安全调度.为提高风电场超短期功率预测的精度,建立了基于最小二乘支持向量机(LSSVM)的风电场超短期功率预测模型,并采用量子粒子群算法(QPSO)对LSSVM中影响回归性能的参数进行优化.通过对福建某实际风电场超短期功率预测的应用表明,与BP神经网络和QPSO-LSSVM的预测结果相比,QPSO-LSSVM预测模型多种误差指标均较小,具有较高的预测精度和鲁棒性,是一种有效的风电场超短期功率预测方法.
推荐文章
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
基于改进PSO-LSSVM的风电场短期功率预测
最小二乘支持向量机(LSSVM)
风速
功率
预测
风电场
粒子群(PSO)
卡尔曼滤波修正的风电场短期功率预测模型
卡尔曼滤波
神经网络
功率预测
风力发电
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QPSO-LSSVM的风电场超短期功率预测
来源期刊 中国电力 学科 工学
关键词 风功率预测 量子粒子群 最小二乘支持向量机 BP神经网络
年,卷(期) 2016,(3) 所属期刊栏目 新能源
研究方向 页码范围 183-187
页数 5页 分类号 TM614
字数 4304字 语种 中文
DOI 10.11930/j.issn.1004-9649.2016.03.183.05
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 张涛 三峡大学电气与新能源学院 62 290 7.0 16.0
2 李振兴 三峡大学电气与新能源学院 83 180 8.0 10.0
3 孙晓伟 三峡大学电气与新能源学院 4 11 2.0 3.0
4 史苏怡 三峡大学电气与新能源学院 2 92 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (141)
共引文献  (425)
参考文献  (14)
节点文献
引证文献  (8)
同被引文献  (76)
二级引证文献  (13)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(3)
  • 参考文献(1)
  • 二级参考文献(2)
1994(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(7)
  • 参考文献(1)
  • 二级参考文献(6)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(16)
  • 参考文献(0)
  • 二级参考文献(16)
2010(21)
  • 参考文献(2)
  • 二级参考文献(19)
2011(27)
  • 参考文献(2)
  • 二级参考文献(25)
2012(6)
  • 参考文献(3)
  • 二级参考文献(3)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(10)
  • 参考文献(1)
  • 二级参考文献(9)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(10)
  • 引证文献(2)
  • 二级引证文献(8)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
风功率预测
量子粒子群
最小二乘支持向量机
BP神经网络
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
中国电力
月刊
1004-9649
11-3265/TM
大16开
北京市昌平区北七家镇未来科技城北区国家电网公司办公区B315
2-427
1956
chi
出版文献量(篇)
7025
总下载数(次)
12
总被引数(次)
92972
论文1v1指导