论文部分内容阅读
提出动态选择线性组合预测方法，采用不同BP、RBF神经网络和序列最小优化SMO（sequential minimal optimization）算法为预测模型，先用K近邻法收集预测数据的泛化误差构成性能矩阵，在此基础上动态选择泛化误差较小的预测模型，经等权平均形成最终预测输出。以风速和功率的时间序列为原始数据，实现对单台风电机组2min内功率及风速的超短期滚动预测。研究表明：该方法的预测精度高于任意单一模型及传统线性组合预测，可有效减少预测点出现较大误差的概率，将2min内的功率及风速的平均相对误差控制在