排序方式: 共有13条查询结果,搜索用时 46 毫秒
11.
受风能随机性和预测模型的影响,风速预测时不可避免地会出现误差,通过挖掘误差特性可探索新的风速预测模型,提高预测精度。提出一种基于误差预测的风速集成学习模型。该模型首先采用快速集合经验模态分解来降低风速序列的随机性,其次采用布谷鸟算法优化最小二乘支持向量机对分解得到的各分量分别建立学习预测模型。同时将历史预测误差作为一个新序列,进行建模预测。最后将原序列的风速预测结果和误差序列预测结果进行叠加得到最终风速预测结果。算例结果表明,与传统方法相比,所提集成预测模型具有更好的预测精度,证明了在风速预测中,精细化挖掘预测误差对于提高预测精度的有效作用。 相似文献
12.
采用目前方法诊断电力计量装置故障时,没有去除电流信号噪声,存在F1-Score值低、电流信号清晰度低、诊断故障效率低的问题。为此,提出了基于FastDTW的电力计量装置故障智能诊断方法。结合EMD法和小波包能量法预处理电流信号,去除噪声,分析并排列高低频电流信号,重组去噪后的电流信号,获得清晰有效的电流信号。在此基础上采用扭曲电流路径距离法结合动态阈值,通过计算实现电力计量装置故障智能诊断。实验结果表明,所提方法的F1-Score值、电流信号清晰度及诊断故障效率均较高。 相似文献
13.