基于SFLA聚类的选择性ELM集成算法

本文提出一种基于SFLA聚类的选择性ELM集成方法。实验结果表明,与集成RBF神经网络模型相比,采用本文方法对模拟电路进行在线故障诊断具有较高的准确性。     

基于ROF的短期风速极端学习机集成预测

为了对风速进行准确的预测,本文提出一种基于ROF的ELM集成预测算法,即采用ROF算法产生差异性训练数据训练多个个体ELM,然后利用加权平均的方法集成各个体ELM的预测结果。实验表明,与个体预测模型相比,该算法有更高的预测精度。     

基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究

为了提高风电功率预测的准确性,基于信号分解、优化算法和误差修正,提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解（ICEEMDAN）和样本熵原理,对原始功率序列进行分解和重构,得到更适合提取特征的新序列。然后,建立包含Poly核函数、RBF核函数的组合核极限学习机（CKELM）对新的序列进行初步预测,并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法（ICSSA）对其参数进行优化,提升CKELM预测性能。最后将时间卷积网络（TCN）与高效通道注意力机制（ECA）组合搭建为TCCA模型,对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验,结果表明该模型针对风电功率具有较高的预测精度。     

基于PSO-WaveNet的短期风电功率预测

为了应对风电大规模并网给电力系统带来的严峻挑战,同时提高风力发电的市场竞争力,需要对短期风电功率进行准确预测.文中将小波分析和粒子群优化理论引入神经网络——PSO-WaveNet算法.该算法构建了稳定的风电功率预测网络模型,同时利用灰色关联算法确定网络的输入参量.弥补了神经网络容易陷入局部最优值的缺陷,实验结果表明用算法进行风电功率预测提高了预测精度,验证了该混合算法的可行性.     

超短期风电功率预测研究现状

本文将简述风电场超短风电功率预测误差对电力供应的影响,指出影响风电场超短期风电功率预测的因素,分析风电场超短期风电功率预测研究现状。     

考虑主环境因素的GWO-SVR风电功率超短期预测

随着我国风电产业的高速发展,风电功率预测的作用也愈显突出。提高风电功率超短期预测的稳定度、速度和精度,是更加合理地利用风电的关键技术之一。在深入分析影响风机出力主要环境因素的基础上,对真实风电场的环境监测历史数据进行了降维处理,以风速、风向、温度及湿度四个主环境因素作为GWO-SVR预测模型的训练和测试集,进行预测分析。不同预测模型的对比表明,降维处理可有效降低模型的复杂程度,降低无用数据对预测结果的影响,预测结果的稳定性、速度及精度均有提高。     

基于GA_Elman的风电功率短期预测方法

风力发电的随机性和波动性是制约风电并网的根本原因,准确的短期风电功率预测可以协助电网协调部门实时调整合理准确的调度计划、配置备用电量,这样,电网公司就可以最大限度地节约运行的成本.其中,最为重要的就是如何提高风电功率预测的精度,为此,该文提出一种基于GA_Elman的风电功率短期预测方法.该方法就是利用了GA算法对El...     

基于特征提取相似日的ELM短期负荷预测研究

为解决短期电力负荷预测中预测精度差、计算时间长等问题,提出一种基于自组织特征映射网络进行特征提取相似日的极限学习机短期电力负荷预测方法。通过自组织特征映射网络找出与预测日同类型的历史数据作为训练样本;并采用预测能力强、计算时间短的ELM网络进行预测。以某市电力负荷数据进行仿真,并将上述方法与传统神经网络进行对比。仿真算例表明,基于特征提取相似日的ELM方法具有较高的预测精度,泛化性能好,且运算时间短。     

基于随机子空间和AdaBoost的自适应集成方法

如何构造差异性大且精确度高的基分类器是集成学习的重点,为此提出一种新的集成学习方法——利用PSO寻找使得AdaBoost依样本权重抽取的数据集分类错误率最小化的最优特征权重分布,依据此最优权重分布对特征随机抽样生成随机子空间,并应用于AdaBoost的训练过程中.这就在增加分类器间差异性的同时保证了基分类器的准确度.最后用多数投票法融合各基分类器的决策结果,并通过仿真实验验证该方法的有效性.     

基于小波变换和神经网络的短期风电功率预测方法

为了降低电网调度的操作复杂性,同时提升风电功率的预测精度,本文主要分析影响风电功率预测方法的因素,包括风向、风速以及环境温度等方面,同时经过对比研究,小波变换和神经网络的短期风电功率预测方法能够提升预测精度.     

基于ARMA的风电功率预测

风电场风电功率预测对优化电网调度,提高风电场容量系数具有重要意义。对采样时间为15 min的风电功率时间序列建立自回归移动平均模型,并对风电场输出功率分别进行短期和中长期预测,同时分别分析了4台风电机组和58台风电机组的汇聚对预测结果的误差影响等。研究结果表明,利用ARMA模型在预测短期及中长期风电功率时的日前预测平均相对误差为0.087 1,实时预测误差为0.15,同时4台风电机组和58台风电机组的汇聚的平均相对误差为0.293 1和0.194 3,风电机组在集中开发方式下风电功率预测误差减小。     

基于风速融合和NARX神经网络的短期风电功率预测

高精度的短期风电功率预测是保证电网日常调度及运行安全的关键因素。目前,国内短期风电功率预测精度普遍低于国外水平。为了提高风机短期功率预测精度,提出一种基于风速融合和NARX神经网络的预测模型。该方法对同一地点不同数据源提供的预报风速进行融合,采用NARX神经网络进行短期风电功率预测。仿真实验结果表明,所提出的短期风电功率预测方法是可行的,预测精度可提高至87.8%,与其他风电功率预测模型相比,具有更高的预测精度和更好的适应性。     

基于自适应选择ELM集成的情感识别

为了克服采用基于Boosting算法和Bagging算法生成的个体网络时难以满足误差独立条件的问题,本文提出一种基于局部分类精度估计的自适应ELM集成的方法,即通过估计各个体ELM在未知样本邻域内的分类精度,选择具有最大局部分类精度的个体ELM输出作为分类结果。实验表明,采用本文方法进行情感识别可以获得较好的效果。     

基于情感神经网络的风电功率预测

风力发电功率预测对于风能并网具有重要意义.采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络,对风力发电功率进行预测.为防止ENN在训练时陷入局部最优解,提出采用遗传算法对其进行训练.采用预测误差的均方根和标准差衡量预测准确性、稳定性,对ENN性能进行了检验.结果表明,相比于人工神经网络、支持向量机和自滑动回归模型,ENN能够获得更高的预测准确率和预测可靠性.     

基于小波-神经网络的短期风功率预测

采用小波变换和神经网络相结合的方法对风电功率进行短期预测。利用小波变换将信号分解成不同频段的子序列,各子序列单支重构后,利用神经网络分别建模预测,最后将各子序列的预测结果叠加得到最终的功率预测值。在神经网络学习过程中采用LM算法,有效提高了收敛速度,降低了陷入局部极小值的可能。通过实例分析,验证了该方法可以较为准确地预测风电功率。     

基于改进BP神经网络的风电功率预测

在双碳目标提出后,风电、太阳能等清洁能源的部署得到迅速响应。风电是一种随机性较高、不确定性较大的能源。大量风电接入电网会对电网的安全运行造成很大影响。文章通过对风电的原始值进行预处理,再由改进的前馈神经网络—BP神经网络对风电功率进行预测,改善风电对电网造成的影响。研究表明,风功率预测技术能够为电网增加收益,同时,改进的BP神经网络的预测准确度更高,具有一定的实际应用性。     

基于Stacking的集成算法在证券趋势预测中的应用

股票价格的趋势预测一直是金融领域的重要问题,也是一个难题。但即使是对预测性能的微小改进,也可以为金融工程的技术手段带来非常可观的收益。现有研究大多为单一预测算法,旨在通过对比寻求预测效果更优的算法。文中结合指数移动平均值、相对强弱指数等10个有效技术指标,构建基于Stacking集成学习的股票趋势涨跌预测方法,以预测性能较好且存在差异的异质机器学习算法作为Stacking集成的初级学习器,以逻辑回归方法作为元学习器,进行集成预测。选取上证指数和深圳成指作为研究对象,以ROC曲线下方面积AUC值作为性能评估指标。研究结果表明,Stacking集成学习方法的预测性能优于单一预测模型,并通过Friedman检验证明,Stacking集成算法和单一算法之间存在显著差别。     

基于支持向量机集成的蛋白质与维生素绑定位点预测

在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Boost集成方法,称为MAda Boost集成。通过实验比较了不同的集成策略,其中MAda Boost集成效果最优。实验结果表明,采用随机下采样结合SVM集成将有效提高蛋白质维生素绑定位点预测的精度。     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。