WikiEdge:ArXiv-2408.17185v1/summary

編輯

核心內容

本文提出了一種基於改進的量子行為粒子群優化（EBQPSO）和最小二乘支持向量機（LSSVM）混合算法的短期風速預測模型，用於智能電網中的電力整合。首先，使用連續變分模態分解（SVMD）對風速數據進行分解，然後對每個子信號使用LSSVM模型進行擬合，其中LSSVM的超參數通過EBQPSO進行優化。其次，使用長短期記憶網絡（LSTM）對原始風速序列與SVMD模式聚合之間的差異進行建模。最後，通過聚合LSSVM和LSTM模型的預測值來計算整體預測結果。與現有的風速預測基準模型相比，所提出的模型在兩個獨立數據集上均顯示出顯著的性能提升，實現了均方根誤差（RMSE）和平均絕對誤差（MAE）的顯著降低。研究結果表明，該混合模型在風速預測方面具有較高的準確性和穩定性。