一种基于改进GPR和Bagging的短期风电功率组合预测方法

发布时间：2017-12-07 14:33

  本文关键词：一种基于改进GPR和Bagging的短期风电功率组合预测方法

  更多相关文章： GPR Bagging 风电功率预测 不确定性量化 BCM

【摘要】：为提高短期风电功率的预测精度并对功率预测的不确定性进行量化,提出了基于高斯过程回归(Gaussian Process Regression,GPR)和Bootstrap Aggregation(Bagging)的组合预测方法。针对GPR的不稳定性和计算量大的特点,引入了Bagging和训练数据完全条件独立下的近似方法(Fully Independent Training Conditional Approximation,FITC)。同时,在贝叶斯决策(Bayesian Committee Machine,BCM)的基础上,提出了一种新的权重组合策略。实验表明,基于Bagging和FITC的GPR方法在稳定性、预测精度和训练时间的消耗上都优于传统的GPR方法。在风电功率预测中,改进的GPR可以给出较准确的置信区间,且与极限学习机、最小二乘支持向量机相比较,该方法的预测精度也有明显提高。
【作者单位】： 南京信息工程大学信息与控制学院;南京信息工程大学气象灾害预报预警与评估协同创新中心;
【基金】：江苏省六大人才高峰项目(WLW-021) 国家公益性行业(气象)科研专项项目(GYHY201106040)
【分类号】：TM614
【正文快照】： 根据世界风能协会统计,截止到2015年2月,中国、美国、德国的风电装机容量分别达到了114.76 GW、65.88 GW和40.47 GW。风能作为清洁可再生能源,在世界范围内已经得到了广泛的利用。但风的间歇性和波动性,给风能有效、安全的利用带来了极大的挑战,而准确的风电功率预测,可以为风

【相似文献】

中国期刊全文数据库 前10条

1 袁科;;基于Double-Bagging决策树的基因微阵列数据研究[J];湖北汽车工业学院学报;2009年02期

2 乔石;;增强Fisher判决的Bagging集成分类方法[J];太原科技大学学报;2009年06期

3 李雅芹;杨慧中;;一种基于Bagging算法的高斯过程集成建模方法[J];东南大学学报(自然科学版);2011年S1期

4 王兴良;王立宏;李海军;;谱聚类中特征向量的Bagging选取方法[J];山东大学学报(工学版);2013年02期

5 程丽丽;张健沛;杨静;马骏;;一种基于ICA的特征Bagging支持向量机集成方法[J];大连海事大学学报;2008年03期

6 汤志康;王伟智;谈蔚欣;;基于Bagging的交通拥堵预测研究[J];集美大学学报(自然科学版);2006年02期

7 邱卫东;鲍诚毅;朱兴全;;Computer Forensic Using Lazy Local Bagging Predictors[J];Journal of Shanghai Jiaotong University(Science);2009年01期

8 宋星光,夏利民;基于Bagging算法的水库水沙联合智能调度[J];计算机工程与应用;2004年25期

9 陈桂英;;Bagging神经网络集成在产品质量监测中的应用[J];河南科技;2013年19期

10 谭剑;谭松柏;;基于BAGGING算法和BP神经网络的电力系统负荷预测[J];山东电力高等专科学校学报;2012年01期

中国重要会议论文全文数据库 前3条

1 钮冰;陆文聪;金雨欢;;利用Bagging算法预测生物膜蛋白类型[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

2 李晓波;;集成分类对比:Bagging NB & Boosting NB[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年

3 刘艳霞;范明;;Bagging基于eEP的分类器分类稀有类[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

中国硕士学位论文全文数据库 前1条

1 吴云峰;基于多分类器的迁移bagging习题推荐研究[D];西北大学;2013年

，

本文编号：1262732