基于EEMD和LS-SVM模型的风电功率短期预测方法
原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战，采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列，有效地提高了预测精度，避免了传统经验模态分解(EMD)存在的模态混叠现象。提出一种改进型果蝇优化算法(FOA)，将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型，扩大了参数搜索范围，提高了优化收敛速度；通过风速风功率转化关系可以求得风电场的功率值。实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度。
文件下载
评论信息
其他资源
- NE555中文资料详解
- Opencv-stitcher基本原理参考文献
- 响应式bootstrap电商模板
- 相控阵雷达设计 Phased-Array Radar Design: Application of radar fundamentals
- CTF信息安全比赛单项选择题.docx
- 1stopt 回归软件 破解版+适用教程.rar
- 打印信息获取（分析SPOOL文件）
- LTE物理层协议仿真matlab源码
- 无名模块绝版开源
- matlab绘制三维立方体
- MATLAB神经网络43个案例分析
- 2016全国二级MSOFFICE全程金牌班视频课程
- WirelessMusicBase.zip
- Projection For VR
- pyHook(python3.6 64位)
- 以太网ENC28J60 tcp udp
- 基于FPGA的FIR数字滤波器的实现
- Python-垃圾分类助手猜测可能是什么垃圾
- asp文件上传源码
- System Architecture Strategy and Product Development for Complex Systems
- MFC课程设计学生管理系统
- 编译原理Pascal语言编译器用C实现
- Image denosingppbNakagami
- Struts2框架完成一个简单的留言板（包含完整源代码java实现+mysql数据库）
- c#Form窗体增删改操作
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明