王永翔
- 作品数：4 被引量：14H指数：2
- 供职机构：上海电机学院电气学院更多>>
- 发文基金：上海市教育委员会重点学科基金上海市教育委员会创新基金上海市自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于人工蜂群算法的风电功率预测技术被引量：1
- 2015年
- 风电场的安全运行需要风电功率预测具有较高的精度。尽管支持向量机(SVM)理论在解决预测数据非线性等方面有较大优势,但SVM的参数难以选取。采用人工蜂群算法(ABC)对SVM中的参数进行寻优并对风电功率进行预测,将仿真预测结果与标准SVM预测结果进行对比,结果证明该方法提高了预测精度。
- 张鑫陈国初王永翔
- 关键词：支持向量机风力发电功率预测人工蜂群算法
- 基于改进鱼群优化支持向量机的短期风电功率预测被引量：10
- 2016年
- 针对人工鱼群算法中固定的视野和步长导致算法寻优速度变慢、易陷入局部最优等问题,引入了一个变系数因子来自适应调节人工鱼在聚群、追尾和觅食行为中的视野和步长;此外,为了降低算法后期运算复杂度以获得更多有效的人工鱼,加入一种人工鱼群最大迭代次数淘汰机制。将改进后的人工鱼群算法用来优化支持向量机中的核函数参数和惩罚参数,并应用到风电场短期风电功率预测中。通过实验仿真对比得出改进的人工鱼群优化支持向量机在短期风电功率预测中有较好的效果。
- 王永翔陈国初
- 关键词：人工鱼群算法支持向量机功率预测
- 基于PF-RBF神经网络的短期风电功率预测被引量：2
- 2014年
- 为了提高风电功率的预测精度,研究了一种基于粒子滤波(PF)与径向基函数(RBF)神经网络相结合的风电功率预测方法。使用PF算法对历史风速数据进行滤波处理,将处理后的风速数据结合风向、温度的历史数据,归一化后构成风电功率预测模型的新的输入数据;利用处理后的新的输入数据和输出数据,建立PF-RBF神经网络预测模型,预测风电场的输出功率。仿真结果表明,使用该预测模型进行风电功率预测,预测精度有一定的提高,连续120h功率预测的平均绝对百分误差达到8.04%,均方根误差达到10.67%。
- 王永翔陈国初张鑫
- 关键词：粒子滤波径向基函数神经网络功率预测
- 粒子滤波算法改进及其应用研究被引量：1
- 2015年
- 粒子滤波算法是一种基于贝叶斯估计和非参数化蒙特卡罗模拟的新型算法。详细介绍了粒子滤波算法的基本原理,阐述了递推贝叶斯估计方法、序贯重要性采样以及序贯重要性重采样算法;分析了粒子滤波主要存在的问题及关键改进之处,然后介绍粒子滤波算法的应用,并对算法未来发展进行了展望。
- 王永翔陈国初
- 关键词：贝叶斯估计重采样粒子滤波
