基于MIV-PCA的超短期风电功率预测模型优化

基于MIV-PCA的超短期风电功率预测模型优化
为解决基于动态神经网络的超短期风电功率预测方法中预测模型输入变量多、模型复杂等问题，文中将平均影响值(MIV)和主元分析(PCA)方法相结合，对预测模型进行了优化。MIV方法表征了输入变量对输出的影响程度，可筛选出对预测输出具有最大影响的输入变量，简化预测模型，但变量的信息利用率不高。PCA法从剩余的输入变量中提取出主元，通过增加少量的主元变量提高信息利用率，弥补MIV方法的不足。数据分析及实验结果表明，通过MIV和PCA法优化的预测模型的输入变量能在获得较高的累计贡献率的同时降低模型复杂度，保留原系统的重要信息，并降低模型引入噪声的风险，使得风电功率预测精度得到显著提高。

标题：
基于MIV-PCA的超短期风电功率预测模型优化
Optimization of ultra-short-term wind power predicting model based on MIV-PCA

作者：
徐龙博，王伟，丁煜函，张滔，汪少勇
XU Longbo, WANG Wei, DING Yuhan, ZHANG Tao, WANG Shaoyong

关键词：
风电功率;超短期预测;平均值影响;主元分析;模型优化
wind power;ultra-short-term prediction;mean impact value;principal component analysis;model optimization

2025-1-22 20:09 上传 基于MIV-PCA的超短期风电功率预测模型优化.pdf

文件大小:

1.43 MB

下载次数:

60

高速下载