简介:采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机(LSSVM)方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。
简介:摘要: 随着新型电力系统的发展,风电新能源在电力系统发电比例不断升高,大规模风电机组并入电网,因为风电机组的不稳定性对电力系统稳定性带来了新的挑战,因此风电功率预测 准确性在电网电力电量平衡和电网安全稳定方面扮演着重要的角色。基于小波优化的多模型结合 的不完备风电功率预测 ,采用多模型结合方式避免单一模型的局限性,同时采用小波优化 多模型结合方式保证预测结果唯一性,防止局部极小值点,有助于提高预测预测精度。
简介:摘要: 随着新型电力系统的发展,风电新能源在电力系统发电比例不断升高,大规模风电机组并入电网,因为风电机组的不稳定性对电力系统稳定性带来了新的挑战,因此风电功率预测 准确性在电网电力电量平衡和电网安全稳定方面扮演着重要的角色。基于小波优化的多模型结合 的不完备风电功率预测 ,采用多模型结合方式避免单一模型的局限性,同时采用小波优化 多模型结合方式保证预测结果唯一性,防止局部极小值点,有助于提高预测预测精度。