基于稀疏表示方法的短期风电功率预测OACSTPCD
Short-Term Wind Power Forecasting Based on Sparse Representation Method
针对短期风电功率预测,提出一种基于稀疏表示特征提取的建模方法.为了构建预测模型,将历史风电功率数据构成具有时延的输入-输出数据对,将时延输入数据向量作为初始字典,由K-均值奇异值分解(K-SVD)算法将其进行稀疏分解与变换至稀疏域以得到学习后的字典,由正交匹配追踪(OMP)算法获取相应的稀疏编码向量,再将该向量作为极限学习机(ELM)或支持向量机(SVM)的输入来构建全局回归模型.为了验证所提出的方法的有效性,将所提出的方法用于短期风电功率预测中…查看全部>>
李世昌;李军
中信重工工程技术有限责任公司,河南洛阳 471039兰州交通大学自动化与电气工程学院,甘肃兰州 730070
信息技术与安全科学
风电功率预测稀疏表示特征提取K-SVD正交匹配追踪
《测控技术》 2021 (2)
基于高斯过程的短期风电功率概率预测方法研究
140-144,5
国家自然科学基金项目(51467008)