購物車(0)
基于WD-CS-SVM的超短期風(fēng)電功率組合預(yù)測
關(guān)鍵詞：小波分析 布谷鳥算法 支持向量機 風(fēng)電功率 組合預(yù)測
摘要：為了提高風(fēng)電場輸出功率的預(yù)測精度,應(yīng)用小波分析(WD)和布谷鳥優(yōu)化支持向量機(CS-SVM)算法對風(fēng)電功率進行超短期預(yù)測,對比于通過預(yù)測風(fēng)速間接求得的風(fēng)電功率更加直接且準(zhǔn)確。首先,利用WD與重構(gòu),將風(fēng)電功率模型分解成近似序列和細(xì)節(jié)序列,然后利用CS-SVM算法對每個序列進行預(yù)測,得到每個序列的預(yù)測結(jié)果,最后把各個序列的預(yù)測結(jié)果疊加,形成風(fēng)電功率的最終預(yù)測值。算例計算結(jié)果表明,預(yù)測結(jié)果具有較高的精度,與SVM以及其他方法優(yōu)化的SVM預(yù)測結(jié)果相比,文中使用的方法預(yù)測結(jié)果更加準(zhǔn)確,具有較強的優(yōu)越性和實用性。
電力工程技術(shù)雜志要求:
{1}文中一級標(biāo)題、二級標(biāo)題、三級標(biāo)題、四級標(biāo)題的序號用“一、……”“（一）……”“1．……”“（1）……”標(biāo)示。
{2}確保投稿無一稿兩投、不涉及保密及署名無爭議等事項，若因保密原因不便公開的內(nèi)容，應(yīng)向編輯部說明。
{3}來稿力求做到富有思想性，觀點新穎、概念準(zhǔn)確、論證嚴(yán)謹(jǐn)、邏輯清晰、資料翔實、格式規(guī)范、文字精煉。
{4}參考文獻：本刊要求所有參考文獻按照在文中出現(xiàn)的先后順序做實引，在引用處用上角標(biāo)的形式標(biāo)注，如“[1]”、“[2]”等。
{5}引用他人著作應(yīng)依次標(biāo)明作者、書名、出版社、出版時間、頁碼。第一版的著作無須注明版次。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
