基于麻雀搜索算法优化变分模态分解和混合核极限学习机的短期风电功率预测OACSTPCD
Short-term Wind Power Prediction Based on SSA Optimized Variational Mode Decomposition and Hybrid Kernel Extreme Learning Machine
为提高风电功率的预测精度,提出了 一种变分模态分解(variational mode decomposition,VMD)和混合核极限学习机(hybrid kernel extreme learning machine,HKELM)相结合的短期风电功率预测方法.针对VMD和HKELM参数难调问题,以及实现两算法参数的自适应选择,采用麻雀搜索算法(sparrow search algorithm,SSA)对两种算法中的关键参数进行优化.首先,基于3…查看全部>>
王瑞;徐新超;逯静
河南理工大学计算机科学与技术学院,河南焦作 454000河南理工大学计算机科学与技术学院,河南焦作 454000河南理工大学计算机科学与技术学院,河南焦作 454000
计算机与自动化
短期风电功率预测麻雀搜索算法变分模态分解混合核函数核极限学习机
short-term wind power predictionsparrow search algorithmvariational mode decompositionhybrid kernel functionkernel extreme learning machine
《信息与控制》 2023 (4)
444-454,11
河南省科技攻关项目(222102210120)
评论