兰州大学机构库 >大气科学学院
3种机器学习方法预报风电功率的对比
陈金车; 王金艳; 苏士翔; 孙彩霞; 谢祥珊
2022-02-15
Source Publication兰州大学学报(自然科学版)
Volume58Issue:01Pages:124-129+136
Abstract根据甘肃省华家岭风力发电场的风场变化特征,利用风电场2017年8月-2018年7月的风电功率监测数据及同期欧洲中期天气预报中心的数值模式预报资料,用随机森林(RF)算法分析和筛选出主要的预报因子,分别选择RF、极限学习机和支持向量机3种机器学习方法建立预报模型,通过对比预报效果,得出适合的预报方法和模型.结果表明, RF算法的平均预报均方根误差为15.6%,预报效果优于极限学习机和支持向量机(预报均方根误差分别为16.8%和17.2%). RF算法在风电功率的短期预报方面取得了更好的效果,预报值与实际监测值更加接近;基于3种机器学习算法建立的风电功率预报模型的预报结果误差值都会随着风速的增大而增大,随着风速的减小而减小.
Keyword机器学习 随机森林算法 极限学习机 支持向量机 风电功率预报
DOI10.13885/j.issn.0455-2059.2022.01.014
URL查看原文
Indexed By北大核心 ; CSCD
Language中文
CSCD IDCSCD:7149306
Original Document Type学术期刊
Citation statistics
Document Type期刊论文
Identifierhttps://ir.lzu.edu.cn/handle/262010/474887
Collection大气科学学院
Affiliation兰州大学大气科学学院甘肃省干旱气候变化与减灾重点实验室
First Author AffilicationCollege of Atmospheric Sciences
Recommended Citation
GB/T 7714
陈金车,王金艳,苏士翔,等. 3种机器学习方法预报风电功率的对比[J]. 兰州大学学报(自然科学版),2022,58(01):124-129+136.
APA 陈金车,王金艳,苏士翔,孙彩霞,&谢祥珊.(2022).3种机器学习方法预报风电功率的对比.兰州大学学报(自然科学版),58(01),124-129+136.
MLA 陈金车,et al."3种机器学习方法预报风电功率的对比".兰州大学学报(自然科学版) 58.01(2022):124-129+136.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Altmetrics Score
Google Scholar
Similar articles in Google Scholar
[陈金车]'s Articles
[王金艳]'s Articles
[苏士翔]'s Articles
Baidu academic
Similar articles in Baidu academic
[陈金车]'s Articles
[王金艳]'s Articles
[苏士翔]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[陈金车]'s Articles
[王金艳]'s Articles
[苏士翔]'s Articles
Terms of Use
No data!
Social Bookmark/Share
No comment.
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.