暂无评论
针对短期风电功率概率预测,提出一种基于核主成分分析(KPCA)与核最小最大概率回归机(KMPMR)相结合的方法。 KPCA方法可对数据进行预处理,在特征空间中有效提取模型输入的非线性主元;KMPMR方
由于风电的预测值与实际值存在偏差,含风电的动态经济调度需考虑风电预测的不确定性。根据风电场的历史预测误差数据,提出利用核密度估计建立某预测值条件下的误差概率分布,并以高斯核函数为例推导了相应的误差置信
基于灰色辨识模型的风电功率短期预测，王子赟，纪志成，提出一种基于灰色理论和辨识模型的风电功率短期预测的方法。采用GM(2,1)灰色模型建立具有新陈代谢功能的GM(2,1)风速预测模型。将FIR-MA�
基于灰色模型的风速-风电功率预测研究，李俊芳，谢光龙，风场中风速变化带来的风电功率波动是影响风电质量的重要因素，研究实时超短期风速-风电功率预测对风电在线优化调度等具有重要意�
提高短期风电功率预测精度是风电大规模发展的迫切要求,同时也是保障风电并网运行的关键。笔者在不增加模型复杂度的前提下,提出了聚类建模方法。该方法首先采用减法聚类与模糊C均值聚类(FCM)方法相结合对训练
3种功率在噪声影响情况下的预测方式，三种预测方式与真实风力机的输出进行对比
该预测基于matlab实现，并提供完整源码。数据文件包含了风电场风速、风向和机组输出功率等监测数据，时间跨度为1月1日至5月31日，预测范围为5月1日至5月31日。训练样本为1至4月份的数据。预测效果
详细的介绍了灰色预测的几种模型和解法及公式的推导
服务器性能，机房介绍，怎么样选好服务器，什么配置的服务器更实用。
介绍了UG的装配功能和装配中的一些小技巧和问题。
暂无评论