WikiEdge:ArXiv-2408.17185v1/summary

编辑

核心内容

本文提出了一种基于改进的量子行为粒子群优化（EBQPSO）和最小二乘支持向量机（LSSVM）混合算法的短期风速预测模型，用于智能电网中的电力整合。首先，使用连续变分模态分解（SVMD）对风速数据进行分解，然后对每个子信号使用LSSVM模型进行拟合，其中LSSVM的超参数通过EBQPSO进行优化。其次，使用长短期记忆网络（LSTM）对原始风速序列与SVMD模式聚合之间的差异进行建模。最后，通过聚合LSSVM和LSTM模型的预测值来计算整体预测结果。与现有的风速预测基准模型相比，所提出的模型在两个独立数据集上均显示出显著的性能提升，实现了均方根误差（RMSE）和平均绝对误差（MAE）的显著降低。研究结果表明，该混合模型在风速预测方面具有较高的准确性和稳定性。