基于小波分解的DIF-RBFNN超短期风速组合预测方法

论文摘要

提出了一种基于小波分解（wavelet-decomposition）的数据输入格式-径向基神经网络（data input format-radial basis functional neural network）超短期风速组合预测模型.该模型首先将风速时间序列数据进行小波分解,减缓风速时间序列的波动性,然后将分解后的低频、高频部分分别建立数据输入格式（风速输入矩阵）,并通过径向基神经网络模型进行预测,最后通过自适应叠加得到最终预测结果.结合宁夏某风场实测数据,将该预测模型和其他三种预测模型的仿真实验结果与实测值进行对比,表明该组合预测模型具有较高的预测精度.

论文目录

文章来源

类型: 期刊论文

作者: 李德顺,李宁,李银然,吴世龙,李仁年,郭涛

关键词: 数据输入格式,小波分解,径向基神经网络

来源: 兰州理工大学学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 兰州理工大学能源与动力工程学院,兰州理工大学甘肃省风力机工程技术研究中心,兰州理工大学甘肃省流体机械及系统重点实验室,宁夏嘉泽新能源股份有限公司

基金: 国家自然科学基金(51166009,51566011),国家重点基础研究发展计划(973计划)(2014CB046201),国家高技术研究发展计划(863计划)(2012AA052900),甘肃省自然科学基金(145RJZA059)

分类号: TM614

页码: 63-66

总页数: 4

文件大小: 270K

下载量: 144

相关论文文献

标签：数据输入格式论文;  小波分解论文;  径向基神经网络论文;