作者:
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:
为提高风速风功的预测精度,使预测模型能适应更多预测任务,提高算法抗扰动能力,提出基于导航融合算法的时间序列风功率预测方法.首先建立ARIMA时间序列模型对风功进行预测,而后引入神经网络预测的结果,按导航融合算法对时间序列的输出进行调整.结果表明,采用导航融合算法的时间序列风功率预测模型提高了抗扰动能力,预测精度较为理想.
推荐文章
基于混合算法优化神经网络的混沌时间序列预测
神经网络
粒子群优化
模拟退火
混沌时间序列
基于时延传感器网络的预测融合算法研究
网络时延
多传感器系统
线性无偏估计
最优
预测加权融合
基于行程时间多步预测的实时路径导航算法
智能交通系统
动态路径规划
车辆实时导航
行程时间多步预测
卡尔曼滤波理论
Dijkstra算法
基于ARMA的风电功率预测
风力发电
ARMA
风电功率预测
风电机组
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 基于导航融合算法的时间序列风功率预测
来源期刊 通信电源技术 学科
关键词 时间序列 神经网络 卡尔曼滤波 风功预测
年,卷(期) 2017,(6) 所属期刊栏目 研制开发
研究方向 页码范围 19-20,25
页数 3页 分类号
字数 2556字 语种 中文
DOI 10.19399/j.cnki.tpt.2017.06.007
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 蒋进 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (71)
共引文献  (150)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (8)
二级引证文献  (1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(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)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(10)
  • 参考文献(2)
  • 二级参考文献(8)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(5)
  • 参考文献(3)
  • 二级参考文献(2)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
时间序列
神经网络
卡尔曼滤波
风功预测
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
通信电源技术
月刊
1009-3664
42-1380/TN
大16开
武汉东湖新经济技术开发区大学园路20号普诺大楼4楼
38-371
1984
chi
出版文献量(篇)
9914
总下载数(次)
58
论文1v1指导