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:
针对风电场风速波动快、预测难的特点,构建了一种基于小波分解与支持向量回归机模型组合的风电场短期风速预测方法.该方法首先将变化剧烈的原始风速序列用小波分解为多个变化较为平缓的风速分量,然后再针对各分量利用支持向量回归机模型分别进行预测,最后将预测的结果重构得到最终的风速预测序列.利用MATLAB进行了算法仿真,仿真结果表明:基于小波分解与支持向量回归机的风电场短期风速预测方法可以实现风速的高精度预测预报,比单一支持向量回归机模型的预测精度更高,可以为风电场的实际生产与调度提供决策依据.
推荐文章
采用小波分析和神经网络的短期风速组合预测
短期预测
小波分析
径向基神经网络
Elman神经网络
广义回归神经网络
基于小波变换的风电场短期风速组合预测
短期风速
小波变换
自回归求和滑动平均模型
最小二乘支持向量机
组合预测
基于经验模式分解的风电场短期风速预测模型
风速预测
经验模式分解
时间序列
基于小波分解的超短期风速混合模型组合预测
超短期风速预测
混合模型
组合预测
小波分解
间接预测
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 基于小波分解与SVR组合的风电场短期风速预测
来源期刊 机械工程与自动化 学科
关键词 短期风速预测 小波分解 支持向量回归机 风电场
年,卷(期) 2021,(3) 所属期刊栏目 计算机技术应用
研究方向 页码范围 89-91
页数 3页 分类号 TK81
字数 语种 中文
DOI 10.3969/j.issn.1672-6413.2021.03.031
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (111)
共引文献  (18)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(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)
1997(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)
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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(6)
  • 参考文献(2)
  • 二级参考文献(4)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(14)
  • 参考文献(0)
  • 二级参考文献(14)
2018(7)
  • 参考文献(1)
  • 二级参考文献(6)
2019(10)
  • 参考文献(0)
  • 二级参考文献(10)
2020(8)
  • 参考文献(3)
  • 二级参考文献(5)
2021(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
短期风速预测
小波分解
支持向量回归机
风电场
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
机械工程与自动化
双月刊
1672-6413
14-1319/TH
大16开
太原市胜利街228号
22-117
1972
chi
出版文献量(篇)
9123
总下载数(次)
41
总被引数(次)
29895
论文1v1指导