排序方式: 共有2条查询结果,搜索用时 46 毫秒
1
1.
针对风电场待插补测风塔与参考塔或气象站的数据间具有非线性相关关系的特点,采用遗传算法(GA)对极限学习机(ELM)神经网络的权值和阈值进行优化,建立用于风电场测风数据插补的GA-ELM模型。选取原始参考数据相关性不同的4个插补实例对基于GA-ELM模型的插补方法进行验证,并与ELM方法和线性回归法进行对比。结果表明:GA-ELM方法较ELM方法的插补精度有一定提高;GA-ELM方法与线性回归法相比,对于相关性较强的参考数据,插补风速与实测风速的均方根误差减少的绝对值和相对值分别可达0.06 m/s和30%以上,对于相关性较弱的参考数据,均方根误差减少的绝对值为0.1~0.3 m/s,相对值为7%~19%。GA-ELM方法较传统插补方法的精度有较大提高,且对相关性较弱的风电场测风数据的插补更有优势。 相似文献
2.
1