基于近邻成分分析的短期风电功率集成预测

姚岱伟; 崔双喜; 戚元星

首页> 中文期刊> 《科学技术与工程》 >基于近邻成分分析的短期风电功率集成预测

基于近邻成分分析的短期风电功率集成预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对短期风电功率预测关键气象因素影响程度的差异和单一模型预测精度不足的问题,提出一种基于近邻成分分析(neighborhood components analysis,NCA)特征加权和Stacking集成预测的短期风电功率预测模型。考虑气象特征对风电功率影响程度不同,利用NCA对气象特征进行加权,将加权特征作为模型输入,强化关键特征的影响程度;在此基础上,构建多个基预测器预测风电功率,并利用结合器将预测结果融合,建立Stacking集成预测模型。算例分析表明,以加权特征作为输入的Stacking集成预测模型具有更高的短期风电功率预测精度。

著录项

来源
《科学技术与工程》 |2022年第14期|5636-5642|共7页
作者
姚岱伟; 崔双喜; 戚元星;
展开▼
作者单位

新疆大学电气工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类风能发电;
关键词
短期风电功率预测; 近邻成分分析; 特征加权; Stacking集成学习;

相似文献

中文文献
外文文献
专利

1. 基于主成分分析法的风电功率短期组合预测 [J] . 吴金浩 ,杨秀媛 ,孙骏 . 电气技术 . 2016,第7期
2. 基于多位置NWP与主成分分析的风电功率短期预测 [J] . 王丽婕 ,冬雷 ,高爽 . 电工技术学报 . 2015,第5期
3. 基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测 [J] . 康文豪 ,徐天奇 ,王阳光 . 水利水电技术(中英文) . 2022,第2期
4. 基于浅层方法和深度网络集成的短期风电功率预测 [J] . 曾亮 ,狄飞超 ,王珊珊 . 现代电子技术 . 2022,第11期
5. 基于动态集成LSSVR的超短期风电功率预测 [J] . 刘荣胜 ,彭敏放 ,张海燕 . 湖南大学学报（自然科学版） . 2017,第004期
6. 基于小波分析和神经网络组合法的短期风电功率预测模型 [C] . 于安兴 ,陈国初 ,徐余法 . 第23届过程控制会议 . 2012
7. 基于最大相关熵准则和核主成分分析的短期风电功率预测 [A] . 王文海 . 2015

基于近邻成分分析的短期风电功率集成预测

摘要

著录项

相似文献

相关主题

期刊订阅