2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、全球不可再生能源短缺,風(fēng)能作為一種環(huán)境友好型能源,成為替代化石能源的重要選擇。但風(fēng)具有間歇性、波動(dòng)性、隨機(jī)性等特點(diǎn)。風(fēng)力發(fā)電給電力系統(tǒng)的穩(wěn)定性帶來了一定的挑戰(zhàn)。而對風(fēng)場的風(fēng)功率進(jìn)行預(yù)測是解決這一問題的重要途徑。風(fēng)速預(yù)測是風(fēng)功率預(yù)測的重要組成部分。在此背景下,本文針對風(fēng)場的短期風(fēng)速預(yù)測,重點(diǎn)完成以下幾方面的工作:
  分別建立BP神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)(SVM)預(yù)測模型,并對風(fēng)場的風(fēng)速進(jìn)行預(yù)測,然后對各方法的預(yù)測結(jié)果進(jìn)

2、行誤差分析。實(shí)測風(fēng)速數(shù)據(jù)分析表明:SVM與其他兩種方法相比具有更高的預(yù)測精度。因此本文將SVM作為組合模型的基礎(chǔ)方法。
  針對風(fēng)速時(shí)間序列的非平穩(wěn)性特性,提出了一種組合模型對風(fēng)速進(jìn)行預(yù)測。該方法首先采用EEMD將風(fēng)速時(shí)間序列分解為一組具有不同頻率成分的分量;然后將樣本熵值接近的各分量疊加,最后用SVM對重構(gòu)后的序列分別預(yù)測并將各項(xiàng)的預(yù)測結(jié)果相疊加。實(shí)測數(shù)據(jù)分析表明,組合模型相對于SVM方法和EEMD-SVM預(yù)測方法具有更好的預(yù)測

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論