共查询到19条相似文献,搜索用时 203 毫秒
1.
基于SVR增量学习算法的变桨距风力机系统在线辨识 总被引:1,自引:1,他引:1
针对变桨距风力机模型非线性很强的特点,采用支持向量回归(SVR)算法进行辨识,数据由BLADED仿真软件提供,经训练检测的结果表明,SVR算法在变桨距风力机非线性模型辨识上具有很高的准确性。考虑到风力机现场工作过程中会出现模型变化,利用增量学习算法实现在线辨识。由于在线SVR辨识计算时间太长,通过改进的序列最小优化(SMO)算法代替原来的凸二次规划(QP)算法。同时提出满足度系数,排除系统无效的突变点,使在线辨识具有鲁棒性,并通过双支持向量机(SVM)算法实现在线辨识的记忆功能,最终辨识结果不仅有很强的精度,而且大大减小了计算时间。 相似文献
2.
为提高超短期风功率预测精度,提出一种基于IEWT-FE-BO-LSTM的组合风功率预测模型,首先利用改进经验小波分解(IEWT)对历史风功率数据进行分解;然后引入模糊熵(FE)算法对各分解子模态进行复杂度计算重组子模态;再对各个重组分量分别建立基于长短时神经网络(LSTM)的预测模型,利用贝叶斯优化算法(BO)进行超参数组合,解决人为调参导致训练结果不佳的问题;最后通过历史风电场数据进行算例分析。结果表明,IEWT-FE-BO-LSTM模型对超短期风功率有较高的预测精度和预测效率。 相似文献
3.
4.
5.
最小二乘支持向量机在大坝变形预测中的应用 总被引:11,自引:5,他引:11
介绍了基于统计学习理论的一种新的机器学习技术———支持向量机(SVM)和其拓展方法———最小二乘支持向量机(LSSVM),并将LSSVM算法应用于混凝土大坝安全监控中的变形预测。根据实测数据,建立了基于LSSVM算法的大坝变形预测模型,同时与经典SVM预测模型进行分析比较。结果表明,LSSVM和经典SVM算法在大坝变形预测中都具有较好的可行性、有效性及较高的预测精度;LSSVM在算法的学习训练效率上比SVM有较大的优势,更适合于解决大规模的数据建模。 相似文献
6.
针对主蒸汽温度系统现场数据的模型辨识问题,提出了结合粒子群优化算法的改进和声搜索算法.采用经验模态分解法对带噪声污染的现场数据进行滤波处理,采用离散相似法进行模型辨识的计算机仿真实现和数值计算.应用该改进算法对循环流化床主蒸汽温度系统模型进行了现场数据辨识.结果表明:所辨识的模型具有较高的精度,能够反映实际主蒸汽温度系统的动静态特性;改进和声搜索算法比粒子群优化算法具有更好的稳定性和全局寻优能力,以及更快的收敛速度. 相似文献
7.
8.
9.
10.
《水电能源科学》2021,(10)
针对短期电力负荷预测精度不高的问题,提出集合变分模态分解(VMD)、长短期记忆(LSTM)网络及多元线性回归(MLR)的VMD-LSTM-MLR预测方法。先使用VMD将电力负荷数据分解为特征、频率均不同的本征模态函数,然后用LSTM对高频部分进行预测,用MLR对低频部分进行预测,最后将LSTM与MLR得到的预测结果进行叠加,获得完整的预测结果。使用VMD-LSTM-MLR预测方法对江苏省某市电力负荷数据进行预测,验证了VMD-LSTM-MLR在预测电力负荷数据上有较高的精度,其平均绝对百分比误差M_(APE)、均方根误差R_(MSE)均低于目前比较典型的改进算法,以及所列举的4种组合算法。 相似文献
11.
为克服传统BP神经网络在渗流压力预测过程中收敛慢、计算量大和易陷入局部极小等缺陷,依据渗流压力的影响因素,研究了模型的结构和输入输出因子,建立了基于遗传算法和LM算法相结合的GA-LMBP神经网络的大坝渗流压力预测模型,即通过遗传算法(GA)的选择、交叉和变异操作得到BP网络的一组全局最优近似解(即网络的初始权值和阈值),再以该近似解为初值,利用LM算法对BP网络进行优化训练,将训练好的网络用于渗流压力的预测。实例应用结果表明,在相同精度的要求下,GA-LMBP神经网络模型收敛速度快、预测精度高,对大坝渗流压力的预测效果更佳,是值得采用的一种模型。 相似文献
12.
静库容法和动库容法是水库调洪演算最常用的方法,与动库容法相比静库容法简单快速,所需资料较少,在水库蓄水期和消落期可直接用于水库调洪。但由于未考虑入库向出库转换的时间延迟,在汛期易造成较大的库水位计算误差。对此,设计了距离度量学习算法,对当前的预报样本,先使用静库容法计算库水位;然后根据学习的距离度量,从历史样本中寻找若干个与当前水情相似的样本,用这些相似样本的库水位计算误差的线性组合对当前样本的计算库水位进行修正,改善其精度。以三峡水库2009~2017年的数据作为训练集,以2018年的数据作为测试集,试验结果表明距离度量学习算法能够显著改善汛期库水位的计算精度。 相似文献
13.
14.
Wind speed prediction (WSP) is essential in order to predict and analyze efficiency and performance of wind-based electricity generation systems. More accurate WSP may provide better opportunities to design and build more efficient and robust wind energy systems. Precious short-term prediction is difficult to achieve; therefore several methods have been developed so far. We notice that the statistics of the alterations, which occur between sequential values of the predicted wind speed data, may differ significantly from observed wind statistics. In this study, we investigate these alterations and compare them and, accordingly, propose a novel method based on Weibull and Gaussian probability distribution functions (PDF) for short-term WSP. The proposed method stands on an algorithm, which examines comparison of the statistical features of the observed and generated wind speed in order to achieve more accurate estimation. We have examined this method on the wind speed data set observed and recorded in Ankara in 2013 and in 2014. The obtained results show that the new algorithm provides better wind speed prediction with an enhanced wind speed model. 相似文献
15.
16.
介绍了基于AdaBoost的多神经网络集成预测方法。集成方法的预测结果优于其他方法的预测结果,这一点在理论上和经验上已经得到证明。AdaBoost是适用于时间序列预测的集成方法。基于AdaBoost算法,采用多个BP神经网络训练随机生成的风速样本,再由多个训练结果生成最终的风速预测值。用该方法预测的误差低于用单一BP神经网络进行的预测,其分析和仿真结果表明了其优越性。 相似文献
17.
18.
基于高斯过程回归和粒子滤波的短期风速预测 总被引:2,自引:0,他引:2
建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行分析,并根据"3σ"原则判断异常值。其次,修正异常值,并对修正后的风速序列重新建立高斯过程回归预测模型。在进行提前15分钟风速预测时,同样采用粒子滤波算法对最新量测值进行状态估计,实现了异常值在线检测并修正。算例分析结果表明,粒子滤波算法能够有效检测出异常风速值,降低了风速预测误差,提前15分钟风速预测时平均绝对百分比误差和均方根误差分别降至8.92%和0.5826 m/s。 相似文献
19.
为快速、准确地获得压气机性能参数、完成压气机性能预测,实现压气机优化设计,基于流线曲率法,将扩压因子作为控制方程、损失模型、熵增修正模型及落后角模型中的关键参数,建立轴流压气机性能快速预测算法。利用该算法对某跨音速轴流压气机性能参数进行计算,并将计算结果与主流商业软件计算结果及试验数据进行对比。通过对比发现:该算法计算效率高,能够快速且较为准确地完成压气机整体性能和沿叶高方向流场参数的预测;计算范围广,在不同转速、不同流量等非设计工况下算法预测结果均与试验及数值模拟数据接近;所选取与完善的经验公式合理可靠,能够较好地描述压气机内部流动。 相似文献