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:
准确的风机功率预测为电网运行调度提供可靠的依据.本文采用遗传算法优化支持向量机核函数参数及错误惩罚因子等参数,建立了GA-SVM模型,提高了模型参数组合优化选择的效率和预测精度.最后结合实例验证,并与标准SVM方法比较.预测效果表明:所提出的GA-SVM优化模型在风机功率预测上具有更优的学习能力和泛化能力.
推荐文章
基于PCA-GA-BP算法的风力发电功率预测
风力发电
PCA 主成分分析
遗传算法
BP 神经网络
降维
传递函数
光伏发电系统发电功率预测
光伏
功率预测
粒子群算法
核函数极限学习机
风电发电功率预测模型改进研究
风电发电
功率预测
优化控制
PID
运用GA-SVM模型的砂石骨料分类方法
人工砂石
骨料分类
破碎工序
遗传算法
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GA-SVM的风机发电功率预测
来源期刊 电子测试 学科
关键词 功率预测 遗传算法 支持向量机
年,卷(期) 2019,(12) 所属期刊栏目 理论与算法
研究方向 页码范围 38-40
页数 3页 分类号
字数 2492字 语种 中文
DOI 10.3969/j.issn.1000-8519.2019.12.015
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (204)
共引文献  (148)
参考文献  (11)
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)
1985(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(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(19)
  • 参考文献(1)
  • 二级参考文献(18)
2009(17)
  • 参考文献(0)
  • 二级参考文献(17)
2010(19)
  • 参考文献(1)
  • 二级参考文献(18)
2011(21)
  • 参考文献(0)
  • 二级参考文献(21)
2012(24)
  • 参考文献(1)
  • 二级参考文献(23)
2013(18)
  • 参考文献(0)
  • 二级参考文献(18)
2014(34)
  • 参考文献(1)
  • 二级参考文献(33)
2015(17)
  • 参考文献(1)
  • 二级参考文献(16)
2016(5)
  • 参考文献(2)
  • 二级参考文献(3)
2017(7)
  • 参考文献(2)
  • 二级参考文献(5)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(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
功率预测
遗传算法
支持向量机
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
电子测试
半月刊
1000-8519
11-3927/TN
大16开
北京市100098-002信箱
82-870
1994
chi
出版文献量(篇)
19588
总下载数(次)
63
总被引数(次)
36145
论文1v1指导