本文關(guān)鍵詞：基于經(jīng)驗?zāi)Ｊ椒纸夂蜕窠?jīng)網(wǎng)絡(luò)的短期風(fēng)速組合預(yù)測，由筆耕文化傳播整理發(fā)布。

文檔介紹：
第40卷第10期電力系統(tǒng)保護(hù)與控瑚 V01.40No.10 1111生i旦!!旦旦!!!!!!!!!翌￡121111111竺!魚殳!!竺! 堅型!!:!!!!基于經(jīng)驗?zāi)Ｊ椒纸夂蜕窠?jīng)網(wǎng)絡(luò)的短期風(fēng)速組合預(yù)測王韶1,楊江平1,李逢兵1,劉庭磊2(1.輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室(重慶大學(xué)電氣工程學(xué)院),重慶400044;2.重慶南岸供電局,重慶400060)摘要:風(fēng)速時間序列具有很強(qiáng)的間歇性和隨機(jī)性,屬于非平穩(wěn)時間序列。為提高預(yù)測精度,提出了經(jīng)驗?zāi)Ｊ椒纸夥?EMl))和神經(jīng)網(wǎng)絡(luò)相結(jié)合的短期風(fēng)速組合預(yù)測模型。該方法運(yùn)用ENID將風(fēng)速序列分解為一系列不同頻率的相對平穩(wěn)的分量,減少了不同特征信息之間的干擾;根據(jù)各個分量的變化規(guī)律,選擇合適的神經(jīng)網(wǎng)絡(luò)模型來分別預(yù)測,對高頻分量采用神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型,低頻分量采用合適的預(yù)測模型直接進(jìn)行預(yù)測;將備分量預(yù)測值疊加得到最終預(yù)測值。算例結(jié)果表明,所提方法與單一的徑向基神經(jīng)網(wǎng)絡(luò)模型(RBF)和支持向量機(jī)模型(SVM)相比,預(yù)測精度得到了大幅度的提高.關(guān)鍵詞:短期預(yù)測;經(jīng)驗?zāi)Ｊ椒纸?徑向基神經(jīng)網(wǎng)絡(luò);支持向量機(jī);廣義回歸神經(jīng)網(wǎng)絡(luò);組合預(yù)測Short-term wind speed forecasting based on EMD and ANNWANG Sha01,YANG Jiang-pin91,LI Feng.bin91,LIU Ting一1ei2(I.StateKeyLaboratoryofP... 內(nèi)容來自轉(zhuǎn)載請標(biāo)明出處.

  本文關(guān)鍵詞：基于經(jīng)驗?zāi)Ｊ椒纸夂蜕窠?jīng)網(wǎng)絡(luò)的短期風(fēng)速組合預(yù)測，，由筆耕文化傳播整理發(fā)布。