您的位置: 专家智库 > >

曾杰

作品数:8 被引量:136H指数:3
供职机构:华北电力大学更多>>
相关领域:动力工程及工程热物理电气工程自动化与计算机技术更多>>

文献类型

  • 3篇期刊文章
  • 3篇专利
  • 2篇学位论文

领域

  • 4篇动力工程及工...
  • 2篇电气工程
  • 1篇自动化与计算...

主题

  • 4篇支持向量
  • 4篇支持向量机
  • 4篇向量机
  • 4篇风电
  • 4篇风电场
  • 4篇风速
  • 3篇电能
  • 3篇电能质量
  • 3篇最小二乘
  • 3篇最小二乘支持...
  • 3篇风速预测
  • 2篇电能质量分析
  • 2篇电能质量监测
  • 2篇蚁群
  • 2篇蚁群优化
  • 2篇蚁群优化算法
  • 2篇优化算法
  • 2篇数据库
  • 2篇向量
  • 2篇基础数据库

机构

  • 8篇华北电力大学
  • 1篇广东电网公司

作者

  • 8篇曾杰
  • 3篇张华
  • 2篇马素霞
  • 2篇张凯
  • 2篇马晨霞
  • 1篇王钤

传媒

  • 2篇太阳能学报
  • 1篇电网技术

年份

  • 1篇2017
  • 1篇2015
  • 1篇2014
  • 1篇2013
  • 1篇2011
  • 1篇2010
  • 2篇2009
8 条 记 录,以下是 1-8
排序方式:
基于蚁群优化的最小二乘支持向量机风速预测模型研究被引量:26
2011年
基于最小二乘支持向量机理论,建立风速预测模型。同时,由于最小二乘支持向量机参数选取尚无有效方法,该文尝试采用蚁群算法理论来进行参数优化选择。选取某风场前四天的实测风速(采样间隔30min),应用所建立的风速预测模型,来预测第五天的48个风速值,其预测的平均绝对百分比误差仅为9.53%,预测效果较理想,验证了应用蚁群优化算法理论与最小二乘支持向量机理论进行风速预测的可行性,可为风电场规划选址和风力发电功率预测等提供理论支持。
曾杰张华
关键词:风速预测最小二乘支持向量机蚁群优化算法风电场风力发电
风电场短期风速预测模型和风力机动力分析
论文前部分主要介绍了风电场风速预测模型,将时间序列法、神经网络法、支持向量机和最小二乘支持向量机理论引入风速预测模型。为了提高支持向量机和最小二乘支持向量机参数选择的可靠性,本文还引入了遗传算法和蚁群优化算法来对向量机模...
曾杰
关键词:支持向量机最小二乘支持向量机蚁群优化算法风力机
文献传递
电能质量监测数据检测方法、设备和系统
一种电能质量监测数据的检测方法,步骤如下:A、从电能质量监测终端获取电能质量监测数据,并执行步骤B、步骤C、步骤D中的一项或多项;B、从电能质量监测数据中获取通道标签,并与预存的标准通道标签进行比较;C、从电能质量监测数...
马素霞曾杰邱丽羚马晨霞张凯
文献传递
基于最小二乘支持向量机的风速预测模型被引量:61
2009年
风速具有较大的随机性,预测的准确度不高。针对这种现象,基于最小二乘支持向量机(least squares support vector machine,LS-SVM)理论,结合某风电场实测风速数据,建立了最小二乘支持向量机风速预测模型。对该风电场的风速进行了提前1h的预测,其预测的平均绝对百分比误差仅为8.55%,预测效果比较理想。同时将文中的风速预测模型与神经网络理论、支持向量机(support vector machine,SVM)理论建立的风速预测模型进行了比较。仿真结果表明,文中所提模型在预测精度和运算速度上皆优于其他模型。
曾杰张华
关键词:风速预测风电场
基于实测数据的风电场稳态建模方法及系统
一种基于实测数据的风电场稳态建模方法及系统,该方法包括:根据风电场所有风力发电机组包括风速以及各风速对应输出功率的实测数据进行拟合确定风速-功率特性曲线;根据并网运行的风力发电机组包含各不同时间点的风速的实测数据对并网运...
王钤曾杰林俐盛超陈晓科杨汾艳孙闻丁魁赵艳军唐景星张跃付聪云雷赵会龙赵双潘险险
文献传递
电能质量监测数据检测方法、设备和系统
一种电能质量监测数据的检测方法,步骤如下:A、从电能质量监测终端获取电能质量监测数据,并执行步骤B、步骤C、步骤D中的一项或多项;B、从电能质量监测数据中获取通道标签,并与预存的标准通道标签进行比较;C、从电能质量监测数...
马素霞曾杰邱丽羚马晨霞张凯
文献传递
基于Hadoop的海量电能质量数据处理研究
随着电能质量监测网规模的不断扩大以及电能质量监测终端的数据采集频率的提高,电能质量数据也因此爆炸式增长。而当前电能质量监测系统主要是依赖关系型数据库存储电能质量数据并且采用传统的集中式处理方式对电能质量数据计算分析,对于...
曾杰
关键词:电能质量HADOOP平台
文献传递
基于支持向量机的风速预测模型研究被引量:49
2010年
由于风速的随机性很大,风速大小的影响因素较多,风速预测的准确度不高。针对这种现象,该文基于支持向量机(SVM)理论,结合风速资料,建立支持向量机(SVM)预测模型来进行短期的风速预测,由支持向量机预测模型得到的预测风速与实际风速基本一致,预测效果较理想,预测的平均绝对百分比误差为10.07%,验证了支持向量机预测模型在风速短期预测中的可行性。
张华曾杰
关键词:风速预测
共1页<1>
聚类工具0