文献检索-宁波市创意产业特色资源库

限定检索结果

基于SVM与改进型乌鸦搜索算法的风电功率预测方法: 收藏
分享
引用; 《国外电子测量技术》2022年第2期41卷 40-45页; 作者：李国全高建宇白天宇李华开滦能源化工股份有限公司唐山063100 华北理工大学轻工学院唐山063000 河北工业大学电子信息工程学院天津300401 河北工业大学电气工程学院天津300401; 针对如何提高风力发电功率预测的准确率,研究设计了一种基于改进乌鸦搜索算法(ICSA)优化支持向量机(SVM)的风电功率预测模型。在乌鸦搜索算法的基础上引入高斯变异算子和差分变异策略,提出改进型乌鸦搜索算法,并将之与支持向量机相结合...; 针对如何提高风力发电功率预测的准确率,研究设计了一种基于改进乌鸦搜索算法(ICSA)优化支持向量机(SVM)的风电功率预测模型。在乌鸦搜索算法的基础上引入高斯变异算子和差分变异策略,提出改进型乌鸦搜索算法,并将之与支持向量机相结合,搭建ICSA-SVM风电功率预测模型。使用该模型,所得预测结果的均方根误差、平均绝对误差、平均绝对百分比误差等指标的值分别为4.42%、3.56%和5.22%。结果表明ICSA-SVM模型可实现参数优化,并有效提升了预测精度。研究成果可服务于含风能的电力系统日前调度,对推广清洁能源、实现碳达峰和碳中和具有重要意义。; 来源：详细信息评论

限定检索结果