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:
将风电场理论功率和实际功率之差作为弃风电量的时间序列,利用其混沌性对其进行相空间重构,采用人工蜂群算法(ABC)优化的最小二乘支持向量机(LSSVM)参数,获取弃风电量预测模型(ABC-LSSVM).首先,将弃风电量数据进行归一化处理,减小数据上下限之间的差距,提高预测模型的泛化能力;然后,将弃风电量时间序列进行相空间重构建立数据模型;最后,把数据模型带入预测模型中完成预测.本文以新疆达坂城某风电场数据为例,对基于人工蜂群算法的最小二乘支持向量机进行了仿真,结果表明,此方法能很好的预测出弃风电量的变化趋势,对弃风规划有一定的指导意义.
推荐文章
基于ABC-BP神经网络的用电量预测研究
人工蜂群算法
BP神经网络
用电量预测
预测算法
基于 ABC-LSSVM 的铝热连轧板凸度软测量建模
计量学
板凸度
软测量
人工蜂群
最小二乘支持向量
基于改进ABC的LSSVM氧化还原电位预测研究
人工蜂群算法
最小二乘支持向量机
欧氏距离
参数优化
氧化还原电位
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
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ABC-LSSVM的弃风电量预测
来源期刊 水力发电 学科 工学
关键词 弃风电量 人工蜂群 最小二乘支持向量机 预测
年,卷(期) 2019,(12) 所属期刊栏目 新能源发电
研究方向 页码范围 101-104
页数 4页 分类号 TK89|TM614
字数 2310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 谢丽蓉 新疆大学电气工程学院 82 395 11.0 18.0
2 杨欢 新疆大学电气工程学院 5 2 1.0 1.0
3 轩武警 厦门大学航空航天学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (185)
共引文献  (82)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(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(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)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(14)
  • 参考文献(0)
  • 二级参考文献(14)
2011(18)
  • 参考文献(0)
  • 二级参考文献(18)
2012(22)
  • 参考文献(0)
  • 二级参考文献(22)
2013(27)
  • 参考文献(3)
  • 二级参考文献(24)
2014(27)
  • 参考文献(0)
  • 二级参考文献(27)
2015(23)
  • 参考文献(1)
  • 二级参考文献(22)
2016(23)
  • 参考文献(2)
  • 二级参考文献(21)
2017(12)
  • 参考文献(6)
  • 二级参考文献(6)
2018(3)
  • 参考文献(2)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 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
弃风电量
人工蜂群
最小二乘支持向量机
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
水力发电
月刊
0559-9342
11-1845/TV
大16开
北京西城区德外六铺炕北小街2号
2-428
1954
chi
出版文献量(篇)
7774
总下载数(次)
11
总被引数(次)
33587
论文1v1指导