注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 风电功率预测模型的比较

  2. 根据百度百科，“风”是“跟地面大致平行的空气流动，是由于冷热气压分布不均匀而产生的空气流动现象”。 风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。

  3. 所属分类：专业指导

    • 发布日期：2011-11-26
    • 文件大小：318kb
    • 提供者：hsh901105

  1. 风电功率预测的数学建模

  2. 这是关于风电功率预测的数学建模，其中包含了时间序列预测的数学模型，对于解决一些风电功率预测问题有很好的帮助

  3. 所属分类：专业指导

    • 发布日期：2011-11-26
    • 文件大小：2mb
    • 提供者：zhjjdc

  1. 风电功率预测

  2. 前沿科技，风电功率预测模型，值得一看

  3. 所属分类：制造

    • 发布日期：2011-12-04
    • 文件大小：4mb
    • 提供者：wjzclzcl

  1. 风电功率预测准确性分析

  2. 风电并网容量迅猛增加，风电与系统之间的联系越来越密切，必须考虑风能的波动 性和间歇性引起风电出力的变化给电力系统电能质量、安全稳定运行和经济效益带来的不利影 响。因此，进行风电功率预测具有重要的现实意义。首先对风速和风电出力预测的分类和方法 进行了探讨，然后简要综述了国内外风功率预测技术的研究现状，最后针对我国现阶段风电功 率预测产生误差的原因进行了阐述并提出了建议

  3. 所属分类：专业指导

    • 发布日期：2013-05-19
    • 文件大小：808kb
    • 提供者：g20041571

  1. 风电功率预测

  2. 使用isodata算法结合lssvm预测风电功率，LSSVR使用二范数优化目标函数，并利用等式约束条件代替SVM标准算法中的不等式约束条件，克服了SVM在大规模问题中存在的训练速度较慢的缺点。

  3. 所属分类：其它

    • 发布日期：2018-03-07
    • 文件大小：4kb
    • 提供者：qq_40835942

  1. NWP风电功率预测

  2. 含NWP数值天气预报和不含NWP数值天气预报的BP神经网络预测风电功率两种方法进行比较，含数据，实际案例。

  3. 所属分类：深度学习

    • 发布日期：2018-04-03
    • 文件大小：17kb
    • 提供者：loading_123

  1. 风电功率预测matpower代码

  2. 适用于电气工程中的MATLAB仿真，风电功率预测，具体可以修改，希望有帮助

  3. 所属分类：C++

    • 发布日期：2018-06-24
    • 文件大小：590kb
    • 提供者：qq_41071030

  1. 基于ＰＦ－ＲＢＦ神经网络的短期风电功率预测

  2. 为了提高风电功率的预测精度， 研究了一种基于粒子滤波（ Ｐ Ｆ） 与径向基函数（ ＲＢＦ） 神经网络相结合的风电功率预测方法。使用 Ｐ Ｆ算法对历史风速数据进行滤波处理， 将处理后的风 速数据结合风向、 温度的历史数据， 归一化后构成风电功率预测模型的新的输入数据； 利用处理后 的新的输入数据和输出数据， 建立 Ｐ Ｆ－ＲＢＦ神经网络预测模型， 预测风电场的输出功率。仿真结果 表明， 使用该预测模型进行风电功率预测， 预测精度有一定的提高， 连续１ ２０ｈ功率预测的平均绝对 百分误差达到８．０

  3. 所属分类：机器学习

    • 发布日期：2018-06-25
    • 文件大小：327kb
    • 提供者：lc1991224

  1. 带有数据的风电功率小波预测方法，可直接运行。

  2. 该代码带有我自己的风电场研究数据，如若下载，只能用于个人科研和学习，不能转手于别人，否则后果自负，该代码的风电功率采用小波预测方法，每段程序都有汉语注释，方便学习理解，主程序为：wavenn.m可直接运行。

  3. 所属分类：C++

  1. 一种基于遗传算法优化bp神经网络的风电功率预测方法

  2. 本发明公开了一种基于遗传算法优化BP神经网络的风电功率预测方法，从风电功率预测系统的数据处理模块中获取预测参考数据；对参考数据建立BP神经网络的预测模型，并采用多种群编码对应BP神经网络的不同结构，每个种群分别对神经网络权值阈值编码，生成不同长度的个体，用遗传算法中选择、交叉、变异操作进化优化每个种群，最后判断收敛条件并选择最优个体；再对BP神经网络初始化，用学习率可变的动量BP算法进一步训练网络直至收敛，利用该网络对风电功率进行预测；最后，还反复利用预测值，在一轮预测中进行多次预测实现了跨时

  3. 所属分类：其它

    • 发布日期：2018-11-23
    • 文件大小：1mb
    • 提供者：ever_157

  1. 风电功率预测.rar

  2. 可对风电场内的功率进行合理预测，在不同的算法运算条件下得到准确的功率的准确预测效果。当然在现行的运算条件下，当然还是会有很多不足的地方，还是有期待不同大佬加以补充和扩展的。

  3. 所属分类：讲义

  1. 基于灰色辨识模型的风电功率短期预测

  2. 基于灰色辨识模型的风电功率短期预测，王子赟，纪志成，提出一种基于灰色理论和辨识模型的风电功率短期预测的方法。采用GM(2,1)灰色模型建立具有新陈代谢功能的GM(2,1)风速预测模型。将FIR-MA�

  3. 所属分类：其它

    • 发布日期：2020-02-25
    • 文件大小：600kb
    • 提供者：weixin_38552536

  1. 基于降噪时序深度学习网络的风电功率短期预测方法_曹有为.pdf

  2. 针对风功率预测的精确度提出的一种方法，针对短期风功率预测。利用深度学习的方法，正在学习的同学可以参考下，会帮助到你们的。

  3. 所属分类：深度学习

    • 发布日期：2020-02-22
    • 文件大小：642kb
    • 提供者：weixin_45656694

  1. 基于样本熵和极端学习机的超短期风电功率组合预测模型_张学清 (1).pdf

  2. 该文提出一种经验模态分解(empirical modedecomposition，EMD)–样本熵(sample entropy，SE)和极端学习机(extreme learning machine，ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE 将风电功率时间序列分解为一系列复杂度差异明显的风电子序列；其次利用最小二乘支持向量机(least squares support vector machine，LSSVM) 、极端学习机和经原始岭回归(primal ridge re

  3. 所属分类：讲义

    • 发布日期：2020-02-14
    • 文件大小：373kb
    • 提供者：SparkQiang

  1. 基于VMD_SE和机器学习算法的短期风电功率多层级综合预测模型_张亚超.pdf

  2. 针对风电功率受自然环境变化影响，难以建立精确数学模型对其进行预测的问题，采用一种新型的可变模式分解(variational mode decomposition，VMD)技术，将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性，根据子模式的样本熵(sample entropy，SE)分析其复杂度并重组得到子序列。在此基础上，结合3 种不同的机器学习基模型，提出一种基于VMD-SE 和基模型的自适应多层级综合预测模型，并采用一种基于混沌萤火虫结合仿真鸡群优化的智能算法，对其权重矩阵进行实

  3. 所属分类：讲义

    • 发布日期：2020-02-14
    • 文件大小：541kb
    • 提供者：SparkQiang

  1. 基于时间序列法的风电功率预测

  2. 基于时间序列法的风电功率预测，易春燕，李俊芳，在运用时间序列法预测风速及风电功率的基础上，运用分层统计法对16台风电机组的风速功率数据进行统计分析，得出基于实测数据的风�

  3. 所属分类：其它

  1. 2种风电功率预测模型的比较.

  2. 关于灰色和卡尔曼两种方法的预测··相对的不错··比较的很好

  3. 所属分类：网络基础

    • 发布日期：2011-11-27
    • 文件大小：364kb
    • 提供者：chuckben

  1. 风电功率预测

  2. 根据历史功率数据预测风电机功率，分别介绍了采用时间序列法 网络神经法 和灰度法三种方法

  3. 所属分类：专业指导

    • 发布日期：2011-11-27
    • 文件大小：9mb
    • 提供者：ys348966256

  1. 风电功率预测网络拓扑图

  2. 风电功率预测网络拓扑图，经过多个电网公司验收的

  3. 所属分类：制造

    • 发布日期：2012-03-27
    • 文件大小：1mb
    • 提供者：welliang

  1. 基于OS-ELM的风速修正及短期风电功率预测

  2. 随着时间的推移，风电场风电功率预测模型的适用性逐渐降低，导致预测精度下降。为了解决该问题，基于在线序列-极限学习机(OS-ELM)算法提出了风电场短期风电功率预测模型的在线更新策略，建立的OS-ELM模型将风电场的历史数据固化到隐含层输出矩阵中，模型更新时，只需将新产生的数据对当前网络进行更新，大大降低了计算所需的资源。采用极限学习机(ELM)算法对数值天气预报(NWP)的预测风速进行修正，并根据风电功率的置信区间对预测功率进行二次修正。实验结果表明，采用OS-ELM算法更新后的模型适用性增强，

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：593kb
    • 提供者：weixin_38684328
« 12 3 4 5 »