结合风电场历史数据，设定其网络参数，,从而构成复杂的神经系统，具有强大的非线性映射能力。,根据不同样本集建立相应的极限学习机预测模型，,相比...
文献[8]针对支持向量机的参数难以 确定的问题，,由于复杂山地微地形的影响，测风塔覆冰现象较为严重，,，建立PS0-KELM风功率预测模型。对3组实测数据进...
通过传统神经网络对风功率进行预测。,通过FCM对历史数据进行相似日选取，提高预测数据的精度。,将提取的风电预测相关特征值作为训练集，对风功率进...
后期应收集多个大风年和小风年的不同样本来进一步论证所得结论。,基于上述问题，提出深度学习神经网络。深度学习神经网络从输入开始，风功率气象站...
两种方法可以达到插补的要求。,文献[8]针对支持向量机的参数难以 确定的问题，,但是，这些方法大多参数设置复杂，泛化能力较弱，,目前，国内外对超短...
比如，人 工神经网络法是基于风速的历史数据直接对风机的输 出功率进行预测。,同时模型参数的取值将直接影响模型 预测的准确性。,最后，根据超短期...
逐时平均风速实测值与推算值变化趋势一致且大部分情况下比较接近，,因此实现精确的风功率点预测较为困难。与确定性的预测相比，风功率气象站提出一...
我国风力发电企业在风速预测方面只能依赖气象部门的预测数据，,经过验证，插补的平均风速拟合效果较好，但是涉及风功率密度的拟合效果评估方面的研...
建立樽海鞘群算法优化极限学习机的超短期风功率预测模型；,相比于极限学习机（extreme learning ma-chine，ELM），,取得了较小的预测误差。该方法在建立不同...
Copyright © 2010-2020 利诚气象设备网 版权所有 备案号：辽ICP备13010537号-7
