检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于近邻传播聚类和回声状态网络的光伏预测

电力自动化设备 2016年第7期36卷 41-46页

作者：李乐刘天琪四川大学电气信息学院四川成都610065

分析了天气因素对光伏出力的影响,选择预报技术较为成熟的气象信息和能反映光伏变化趋势的波动分量作为分类特征。针对传统预测算法在突变天气条件下预测精度较低的问题,提出基于近邻传播聚类和回声状态网络的组合算法,通过近邻传播算... 详细信息

分析了天气因素对光伏出力的影响,选择预报技术较为成熟的气象信息和能反映光伏变化趋势的波动分量作为分类特征。针对传统预测算法在突变天气条件下预测精度较低的问题,提出基于近邻传播聚类和回声状态网络的组合算法,通过近邻传播算法对光伏出力进行分类,并根据预测日所属的类别建立回声网络状态方程进行光伏出力预测。仿真表明所提算法不仅能满足非突变型天气下的光伏预测要求,还能较好地跟踪突变型天气下光伏出力变化,具有更高的准确度和通用性。

关键词：光伏发电预测波动分量近邻传播回声状态网络聚类算法

基于VMD-SE的电力负荷分量的多特征短期预测

在线全文

学校读者我要写书评

暂无评论

中国电力 2024年第4期57卷 162-170页

作者：邵必林纪丹阳西安建筑科技大学管理学院陕西西安710399

为提高电力负荷的预测精度,提出一种基于VMD-SE的电力负荷分量的多特征短期预测方法。首先采用变分模态分解(VMD)将原始负荷分解为一系列模态分量与残差,VMD的分解层数由样本熵值(sample entropy,SE)确定;然后对比原始负荷与模态分量的S... 详细信息

为提高电力负荷的预测精度,提出一种基于VMD-SE的电力负荷分量的多特征短期预测方法。首先采用变分模态分解(VMD)将原始负荷分解为一系列模态分量与残差,VMD的分解层数由样本熵值(sample entropy,SE)确定;然后对比原始负荷与模态分量的SE值,重构为平稳分量和波动分量,来降低运算规模;同时利用皮尔逊相关系数来筛选特征变量,删除特征冗余,建立灰狼算法优化后的支持向量回归模型(GWO-SVR)和长短期记忆神经网络(LSTM)分别对平稳分量和波动分量预测;最后以某地区2018—2020年用电负荷为例进行实验。实验证明:此模型精准度高达94.7%,平均绝对百分误差降低到2.98%,具有更好的精准性和适用性。

关键词：短期预测 VMD 样本熵波动分量平稳分量 GWO-SVR 长短期记忆神经网络

我国省域经济发展规律的比较研究——基于The Hodrick-Prescott频率域滤波法

在线全文

学校读者我要写书评

暂无评论

大连理工大学学报（社会科学版） 2011年第4期32卷 38-43页

作者：朱小檬栾维新朱义胜大连海事大学人文与社会科学学院辽宁大连116026 大连海事大学交通运输管理学院辽宁大连116026 大连海事大学信息科学技术学院辽宁大连116026

文章首先利用The Hodrick-Prescott滤波器对我国27个省市区1978～2009年国内生产总值进行趋势和波动分量的分解。趋势分量的平均增长率与2009年增长率的比较揭示了以外向性经济为主的地区其发展受世界经济危机影响大。其次,利用波动分... 详细信息

文章首先利用The Hodrick-Prescott滤波器对我国27个省市区1978～2009年国内生产总值进行趋势和波动分量的分解。趋势分量的平均增长率与2009年增长率的比较揭示了以外向性经济为主的地区其发展受世界经济危机影响大。其次,利用波动分量间的相关系数把经济发展规律相似的地区进行了分类。结果表明,北京、东北三省和西部省区经济发展各有特点。1991年为经济发展的波谷,1988年、1995～1996年为2个波峰是波动分量间的共同规律,它反映了国家政策、外部环境、地理位置以及原有基础是省域经济发展的重要因素。

关键词： HP滤波器平均增长率波动分量相关系数

在线全文

学校读者我要写书评

暂无评论

基于改进极限学习机的短期电力负荷预测

基于改进极限学习机的短期电力负荷预测

作者：关楚杰广东工业大学

学位级别：硕士

传统化石能源的逐渐枯竭引起了区域性的能源危机,新能源凭借无污染和易获取等优点开始大规模涌入电力系统,在电网中的渗透率开始稳步提升。高渗透率的背后增加了负荷预测的困难程度,可控负荷的大量出现进一步加剧了负荷预测的不确定性... 详细信息

传统化石能源的逐渐枯竭引起了区域性的能源危机,新能源凭借无污染和易获取等优点开始大规模涌入电力系统,在电网中的渗透率开始稳步提升。高渗透率的背后增加了负荷预测的困难程度,可控负荷的大量出现进一步加剧了负荷预测的不确定性。同时随着我国电力市场进程逐步加快,电力已经可以进行多种形式的交易,逐渐具有商品特性,电力市场的稳定建设对短期负荷预测的准确性提出了更高的要求。本文主要围绕负荷特性和短期负荷预测问题展开研究,主要工作总结如下:(1)分析梳理了短期负荷预测的相关基本理论知识。首先从多角度梳理了电力负荷固有特性,发现周期特性对短期负荷预测结果影响较大;其次针对负荷预测的相关影响因素进选择问题,提出了两种影响因素筛选方法;最后针对预测结果误差评估问题提出了四种误差评估指标。(2)考虑到短期负荷预测影响因素冗余,提出一种PSO-ELM方法构建预测模型来进行短期负荷预测。利用极限学习机快速学习能力和优良的泛化能力建立负荷预测模型,为保证预测模型在面对不同样本数据时具有较大的准确性,利用粒子群算法对极限学习机在事前预设的随机量进行多次修正,以提高预测模型针对特定场景的拟合能力。采用美国东部某地区实际负荷数据仿真分析,所提PSO-ELM预测方法与仅采用极限学习机方法相对比,误差减少了1.58%。(3)针对负荷序列自身存在的随机性和波动性,以具有非线性处理能力的集合经验模态分解方法为基础,提出了一种融合时间序列ARIMA预测模型和蝙蝠算法优化极限学习机的混合预测模型。采用集合经验模态分解方法对负荷序列进行分解,将分解后的模态分量根据频率差异划分为波动分量和稳定分量两类;对所有的模态分量按照频率高低采用不同的预测模型分别展开预测,针对稳定分量的线性特点,利用ARIMA方法对稳定分量进行预测,针对波动分量的非线性特点,利用蝙蝠算法优化极限学习机方法对波动分量进行预测;最后对所有的分解分量预测结果进行重构,形成最终的预测结果。仿真结果表明,组合预测方法充分避免不同算法的局限性,综合不同算法对样本数据的准确性,有效提高了负荷预测准确性。

关键词：负荷预测改进极限学习机波动分量稳定分量

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于人工免疫算法的温度预报方法

电脑编程技巧与维护 2018年第8期 51-53页

作者：江玮王睿杨磊海军海洋水文气象中心北京100161 海军研究院北京100841

收集整理了我国北方地区某站点30年的历史温度资料,利用免疫遗传算法对温度时间序列的波动分量进行预测,并在Matlab平台上仿真。通过与历史实况的对比,验证了结合人工免疫算法进行波动预测能显著提高温度预测准确度,该方法可以提高现有... 详细信息

收集整理了我国北方地区某站点30年的历史温度资料,利用免疫遗传算法对温度时间序列的波动分量进行预测,并在Matlab平台上仿真。通过与历史实况的对比,验证了结合人工免疫算法进行波动预测能显著提高温度预测准确度,该方法可以提高现有预报水平,对温度预报的辅助决策具有重要参考意义。

关键词：温度时间序列人工免疫算法波动分量