基于灰色聚类的电能质量综合评估方法 A power quality comprehensive evaluation method based on grey clustering.pdfVIP

基于灰色聚类的电能质量综合评估方法 A power quality comprehensive evaluation method based on grey clustering.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第40 卷 第15 期 电力系统保护与控制 Vol.40 No.15 2012 年8 月1 日 Power System Protection and Control Aug. 1, 2012 支持向量机向量维数对短期风电功率预测精度的影响 王 宁,叶 林,陈 盛,朱庆伟 (中国农业大学信息与电气工程学院,北京 100083) 摘要:为了提高短期风电功率的预测精度,采用支持向量机回归方法,以 10 min 采样间隔的实测风速和温度序列为输入数 据,针对连续 19 天的历史数据按每隔 5 h 进行一次预测,每次采用一天 144 组风速、温度数据进行训练。实验分别选取了 10 min、30 min 和 1 h 的预测时间尺度,得到不同向量维数下预测结果的均方误差、均方百分比误差、平均绝对误差、平 均绝对百分比误差以及相关系数。结果表明,对于特定的预测对象,支持向量机向量维数具有一个使预测精度最高、误差最 小的最优值;对于不同的预测时间尺度,向量维数的最优值一般不同。 关键词:风力发电;短期功率预测;支持向量机;向量维数;预测精度 Influence of the vector- dimension of SVM on short-term wind power prediction accuracy WANG Ning ,YE Lin ,CHEN Sheng,ZHU Qing-wei (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) Abstract: In order to improve prediction accuracy of short-term wind power forecasting, t his paper presents a novel approach of Support Vector Regression (SVR) in short-term w ind power forecasting by u sing measured temperatures and wind speed data of 10 minutes sampling interval. For historical data of 19 days, prediction is made once every five hours, and each t ime 144 groups of temperatures and w ind s peed data in a d ay ar e u sed for tr aining. Experiments are carried out ba sed o n 10 min, 3 0 min and one hour time s cales respectively. M SE ,MSPE ,MAE ,MAPE an d c orrelation co efficient ar e al so cal culated u nder varying vector-dimension. It can be seen that there is an optimal vector-dimension which has the highest accuracy and minimum error for specific prediction. Results show that for different time scales, the optimal value of the vector dimension is generally different. This work is supp

您可能关注的文档

文档评论(0)

000 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档