基于WD-CS-SVM的超短期风电功率组合预测

基于WD-CS-SVM的超短期风电功率组合预测
为了提高风电场输出功率的预测精度，应用小波分析(WD)和布谷鸟优化支持向量机(CS-SVM)算法对风电功率进行超短期预测，对比于通过预测风速间接求得的风电功率更加直接且准确。首先，利用WD与重构，将风电功率模型分解成近似序列和细节序列，然后利用CS-SVM算法对每个序列进行预测，得到每个序列的预测结果，最后把各个序列的预测结果叠加，形成风电功率的最终预测值。算例计算结果表明，预测结果具有较高的精度，与SVM以及其他方法优化的SVM预测结果相比，文中使用的方法预测结果更加准确，具有较强的优越性和实用性。

标题：
基于WD-CS-SVM的超短期风电功率组合预测
Combination ultra-short-term prediction of wind power based on WD-CS-SVM

作者：
刘家敏，李聪睿，周志浩，李升
LIU Jiamin, LI Congrui, ZHOU Zhihao, LI Sheng

关键词：
小波分析;布谷鸟算法;支持向量机;风电功率;组合预测
wavelet analysis;cuckoo algorithm;support vector machine;wind power;combination prediction

2025-1-22 20:09 上传 基于WD-CS-SVM的超短期风电功率组合预测.pdf

文件大小:

1.33 MB

下载次数:

60

高速下载