基于KPCA-RF的风电场功率预测方法研究

被引：22

作者：

许杏花

潘庭龙

机构：

[1] 江南大学物联网工程学院

来源：

可再生能源 | 2018年 / 36卷 / 09期

关键词：

核主成分分析; 特征提取; 随机森林; 功率预测;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

为了提高风电场输出功率的预测精度,文章提出了一种核主成分分析与随机森林相结合的预测方法。利用核主成分分析从多种气象数据中提取出最主要的影响因素,将这些因素作为预测模型的输入,采用随机森林算法进行功率预测。实测运行数据的实验结果表明,文章算法具有较高的预测准确性。

引用

页码：1323 / 1327

页数：5

共 15 条

[1]

Wind Power Short-Term Forcasting of BP Neural Network Based on the Small-World Optimization.[J].Xin Zhao;Shuang Xin Wang.Advanced Materials Research.2014, 933

[2]

基于互信息冗余性分析的神经网络风电功率预测 [J].

易灵芝 ;

刘智磊 ;

龙辛 .

湘潭大学自然科学学报, 2016, 38 (02) :68-72

[3]

基于神经网络和小波分析的超短期风速预测 [J].

高阳 ;

钟宏宇 ;

陈鑫宇 ;

耿爱成 ;

张柳 ;

雷彩娟 .

可再生能源, 2016, 34 (05) :705-711

[4]

面向图像分类的核主成分分析网络（英文） [J].

吴丹 ;

伍家松 ;

曾瑞 ;

姜龙玉 ;

Lotfi Senhadji ;

舒华忠 .

JournalofSoutheastUniversity(EnglishEdition), 2015, 31 (04) :469-473

[5]

基于随机森林算法的农耕区土地利用分类研究 [J].

马玥 ;

姜琦刚 ;

孟治国 ;

李远华 ;

王栋 ;

刘骅欣 .

农业机械学报, 2016, 47 (01) :297-303

[6]

关于短期及超短期风电功率预测的评述 [J].

薛禹胜 ;

郁琛 ;

赵俊华 ;

Kang LI ;

Xueqin LIU ;

Qiuwei WU ;

Guangya YANG .

电力系统自动化, 2015, 39 (06) :141-151

[7]

一种基于森林模型的光伏发电功率预测方法研究 [J].

宋小会 ;

郭志忠 ;

郭华平 ;

吴双惠 ;

王兆庆 ;

邬长安 .

电力系统保护与控制, 2015, 43 (02) :13-18

[8]

基于主成分和粒子群优化支持向量机的水质评价模型 [J].

王成杰 ;

张森 .

环境工程学报, 2014, 8 (10) :4545-4549

[9]

基于RBF-BP组合神经网络的短期风电功率预测研究 [J].

张靠社 ;

罗钊 .

可再生能源, 2014, 32 (09) :1346-1351

[10]

基于随机森林算法的高维模糊分类研究 [J].

张修远 ;

刘修国 .

国土资源遥感, 2014, 26 (02) :87-92

← 1 2 →