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:
提出了基于蜜蜂进化型遗传算法优化支持向量机(SVM)的超短期风电功率预测方法.针对遗传算法在优化支持向量机参数存在的早熟问题,提出了将蜜蜂进化型遗传算法应用于优化支持向量机参数,提高了搜索效率.通过某风电场预测数据进行对比实验,验证了该方法可以有效提高预测准确率和精度.
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
基于思维进化算法的风电功率预测研究
思维进化算法
风电功率
预测模型
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GA优化SVM的风电功率的超短期预测
风电场功率预测
支持向量机
遗传算法
超短期预测
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 基于蜜蜂进化遗传算法优化SVM的超短期风电功率预测
来源期刊 贵州电力技术 学科 工学
关键词 蜜蜂进化遗传算法 支持向量机(SVM) 超短期风电功率预测
年,卷(期) 2017,(6) 所属期刊栏目 专题研讨
研究方向 页码范围 23-26
页数 4页 分类号 TM774
字数 2759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 代江 贵州电网有限责任公司电力调度控制中心 13 9 2.0 3.0
2 汪明清 贵州电网有限责任公司电力调度控制中心 7 53 4.0 7.0
3 田年杰 贵州电网有限责任公司电力调度控制中心 14 11 2.0 3.0
4 赵倩 贵州电网有限责任公司电力调度控制中心 15 12 3.0 3.0
5 马晶晶 3 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  (173)
共引文献  (808)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(10)
  • 参考文献(1)
  • 二级参考文献(9)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(18)
  • 参考文献(3)
  • 二级参考文献(15)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(18)
  • 参考文献(1)
  • 二级参考文献(17)
2011(46)
  • 参考文献(2)
  • 二级参考文献(44)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(26)
  • 参考文献(1)
  • 二级参考文献(25)
2014(9)
  • 参考文献(3)
  • 二级参考文献(6)
2015(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)
研究主题发展历程
节点文献
蜜蜂进化遗传算法
支持向量机(SVM)
超短期风电功率预测
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
电力大数据
月刊
2096-4633
52-1170/TK
16开
贵州省贵阳市解放路251号
1977
chi
出版文献量(篇)
4266
总下载数(次)
8
论文1v1指导