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:
准确的风速预测对于风电场和电力系统的稳定运行具有重要意义.本文提出一种基于局部高斯过程的短期风速预测方法.首先,把总的训练样本集按固定长度的时间窗划分成许多个子训练集.然后,运用局部高斯过程模型对各个子训练集进行建模,通过最小化训练集的预测误差为优化目标,用改进粒子群算法求取模型的最优超参数.最后,对某实测风速数据进行风速预测分析,结果表明基于局部高斯过程的短期风速预测能有效提高风速预测精度.
推荐文章
基于高斯过程回归的短期风速预测
高斯过程
风速时间序列
相空间重构
预测
基于相空间重构和进化高斯过程的短期风速预测
风速预测
短期
相空间重构
进化高斯过程
改进粒子群算法
基于ABC-BP的短期风速预测研究
短期风速预测
人工蜂群算法
BP神经网络
支持向量机
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 基于局部高斯过程的短期风速预测
来源期刊 计算机与现代化 学科 工学
关键词 风速预测 短期 局部高斯过程 改进粒子群算法
年,卷(期) 2017,(1) 所属期刊栏目 人工智能
研究方向 页码范围 13-16,22
页数 5页 分类号 TP391
字数 3662字 语种 中文
DOI 10.3969/j.issn.1006-2475.2017.01.003
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 李德胜 安徽科技学院信息与网络工程学院 7 7 1.0 2.0
2 常纯 苏州大学艺术学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (114)
共引文献  (833)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (0)
1985(3)
  • 参考文献(0)
  • 二级参考文献(3)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(12)
  • 参考文献(3)
  • 二级参考文献(9)
2005(8)
  • 参考文献(2)
  • 二级参考文献(6)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(13)
  • 参考文献(0)
  • 二级参考文献(13)
2009(15)
  • 参考文献(0)
  • 二级参考文献(15)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(16)
  • 参考文献(1)
  • 二级参考文献(15)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2014(11)
  • 参考文献(3)
  • 二级参考文献(8)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
风速预测
短期
局部高斯过程
改进粒子群算法
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
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导