基于改进极限学习机的风电功率预测

• 作者: 盛楠
• 来源期刊: 建筑·建材·装饰
• 学科: 工学
• 关键词: 核极限学习机 功率预测 增量学习
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 应用研究
• 页码范围: 191-192
• 页数: 2页
• 分类号: TM614
• 字数: 2007字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3024 .2019.18.128

摘要

风电功率预测精度影响风电场的安全稳定运行.为了提高风电功率预测精度,提高网络学习效率,提出了一种基于核极限学习机(KELM)的短期风电功率预测模型.该模型将传统的核极限学习机(KELM)进行Cholesky分解,以代替传统核极限学习机(KELM)复杂的矩阵求逆,构造增量学习,增强模型的更新.仿真实验结果表明,该方法提高了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	盛楠		5	9	2.0	3.0