-
题名基于KPCA-KMPMR的短期风电功率概率预测
被引量：14
- 1
-
-
作者
李军
常燕芝
-
机构
兰州交通大学自动化与电气工程学院
-
出处
《电力自动化设备》
EI
CSCD
北大核心
2017年第2期22-28,36,共8页
-
基金
国家自然科学基金资助项目(51467008)~~
-
文摘
针对短期风电功率概率预测,提出一种基于核主成分分析(KPCA)与核最小最大概率回归机(KMPMR)相结合的方法。KPCA方法可对数据进行预处理,在特征空间中有效提取模型输入的非线性主元;KMPMR方法在仅需假定产生预测模型的数据分布的均值与协方差矩阵已知时,将最小最大概率分类机(KMPMC)的分类超平面看作预测模型的输出,可最大化模型的输出位于其真实值边界内的最小概率。实验结果表明,所提方法在预测精度上优于现有的预测方法,并能提供预测误差的分布范围。
-
关键词
核主成分分析
核最小最大概率回归机
风电功率
概率预测
-
Keywords
kernel principal component analysis
kernel minimax probability machine regression
wind power
probabilistic forecasting
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名最小最大概率回归机在短期风电功率预测中的应用
- 2
-
-
作者
王新友
常燕芝
-
机构
甘肃广播电视大学理工学院
兰州交通大学自动化与电气工程学院
-
出处
《自动化仪表》
CAS
2016年第7期30-33,共4页
-
基金
甘肃广播电视大学科研基金资助项目(编号:2014-ZD-01)
-
文摘
为了对短期风电功率的预测进行研究,提出了一种基于最大最小概率回归机(MPMR)的预测方法。MPMR方法是将最小最大概率分类机(MPMC)向回归问题的应用推广。该方法仅须假定产生预测模型的数据分布均值与协方差矩阵已知,即能够最大化模型的预测输出位于其真实值边界内的最小概率。验证试验表明,MPMR方法能更好地跟踪风电功率的变化,有效地提高风电功率的预测精度,具有很好的应用前景。
-
关键词
最大最小概率回归机
最小最大概率分类机
卡尔曼滤波法
支持向量机
人工智能
功率预测
风电
-
Keywords
Minimax probability machine regression Minimax probability machine classification Calman filter method Support vector machine（SVM） Artificial intelligence Application potential Pecoer predictim wind power
-
分类号
TH71
[机械工程—测试计量技术及仪器]
TP274
[机械工程—仪器科学与技术]
-
