基于多層感知器與支持向量機(jī)的風(fēng)電功率預(yù)測(cè)模型研究
【文章頁(yè)數(shù)】:51 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1原始數(shù)據(jù)的敷據(jù)分布圖??
本章利用每15分鐘采集一次的來自2014年7月至2015年3月之間的風(fēng)電??功率數(shù)據(jù),這些數(shù)據(jù)出自西北5市如酒泉、馬鬃山、民勤、武威和張掖等不同站??點(diǎn)的14組數(shù)據(jù),每組數(shù)據(jù)有14400個(gè)數(shù)據(jù)點(diǎn),由圖2.1可以看出,來自不同站??點(diǎn)的數(shù)據(jù)組擁有明顯的統(tǒng)計(jì)特征差異,其中橫坐標(biāo)表示每....
圖4.1經(jīng)過分類后的風(fēng)電功率時(shí)間序列數(shù)據(jù)趨勢(shì)??4.3實(shí)例分析與驗(yàn)證??
標(biāo)準(zhǔn)差)以便預(yù)測(cè)模型能夠得到更好的結(jié)果。本節(jié)利用第二章中提到的金字塔數(shù)??據(jù)分類模型對(duì)風(fēng)電功率數(shù)據(jù)進(jìn)行預(yù)處理,由于設(shè)及海量數(shù)據(jù),所以簡(jiǎn)要列舉預(yù)處??理后的時(shí)間序列數(shù)據(jù)趨勢(shì)如圖4.1所示,金子塔數(shù)據(jù)分類模型賦予數(shù)據(jù)0-1之間??的指標(biāo)分類,圖4.]展示了較為顯著的幾類數(shù)據(jù)趨勢(shì),其中....
圖4.3金子塔分類指標(biāo)約0.2時(shí)的時(shí)間序列預(yù)測(cè)效果對(duì)比??31??
?45?50??圖4.2金子塔分類指標(biāo)約0.1時(shí)的時(shí)間序列預(yù)測(cè)效果對(duì)比??13500?.fl?.?■?■■?■?■■_??1?1?.?1?.?1?1,8???BP-SVM預(yù)測(cè)值??12750?分類指私???CG^R-BP-SVM??12000??GD-ALR-BP-SVM?預(yù)測(cè)t....
圖4.4金子塔分類指標(biāo)約0.3時(shí)的時(shí)間序列預(yù)測(cè)效果對(duì)比??
?45?50??圖4.5金子塔分類指標(biāo)約0.4時(shí)的時(shí)間序列預(yù)測(cè)效果對(duì)比??32??
本文編號(hào):3913988
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3913988.html