您好，欢迎来到中国测试科技资讯平台！
摘要：
针对光伏功率预测,提出一种基于稀疏表示的特征提取建模方法。首先,将所有影响光伏功率预测输出的因素作为模型的输入,将模型输入构成的数据向量作为初始字典,由K-均值奇异值分解（K-mean singular value decomposition,K-SVD）算法进行稀疏分解与变换,得到学习后的字典。其次,由正交匹配追踪（Orthogonal matching pursuit,OMP）算法获取相应的稀疏编码向量,再将其作为核极限学习机（Kernel extreme learning machine,KELM）的模型输入,以构建全局回归模型。为了验证K-SVD-OMP和KELM组合方法的有效性,将所提出的方法应用于光伏功率预测实例中,在相同条件下,与KELM、SVM、ELM等方法进行了比较。实验结果表明,不同的稀疏表示建模组合方法均可以达到好的预测效果,其中K-SVDOMP和KELM的组合方法可以给出更好的预测结果与精度。
关键词： 光伏功率预测;稀疏表示;K-均值奇异值分解算法;核极限学习机;
作者： 李军;郑丹阳
作者单位： 兰州交通大学自动化与电气工程学院
刊名： 《测试科学与仪器》（英文）
Journal： Journal of Measurement Science and Instrumentation
年，卷(期)： 2022, (3)
在线出版日期： 2022年09月28日
页数： 9
页码： 320-328
友情链接：
广告代理：秦皇岛北驰文化传播有限公司
理事会外联部
印 刷：成都天麦点金实业有限公司
国内总发行：成都市邮政局
邮发代号：62-260
国外发行：中国出版对外贸易总公司
国外代号：DK51019
中国标准连续出版物号：ISSN 1674-5124 CN51-1714/TB
业内最新资讯动态
请关注微信公众号
蜀ICP备11014963号-1 《中国测试》杂志社 版权所有 技术支持：成都驰创数码
文档下载