WikiEdge:ArXiv-2408.17185v1/methods
跳至導覽
跳至搜尋
工作方法
這篇論文的主要工作方法是開發了一個混合機器學習模型，用於短期風速預測，以實現智能電網中風力發電的集成。該模型首先使用連續變分模態分解（Successive Variational Mode Decomposition, SVMD）將風速數據分解為不同的模態分量。然後，利用量子行為粒子群優化（Quantum-behaved Particle Swarm Optimization, QPSO）的改進變體——精英育種QPSO（Elitist Breeding QPSO, EBQPSO）來優化最小二乘支持向量機（Least Squares Support Vector Machines, LSSVM）的超參數。接著，使用長短期記憶網絡（Long Short-Term Memory, LSTM）對原始風速序列與SVMD模態分量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最終的預測風速。