Wind speed forecasting technology i

Wind speed forecasting technology is important in the field of wind power. However, the wind speed signals are always nonlinear and non-stationary so that it is difficult to predict them accurately. Aims at this challenge, a new hybrid approach has been proposed for the wind speed high-accuracy predictions based on the Secondary Decomposition Algorithm (SDA) and the Elman neural networks. The proposed SDA combines the Wavelet Packet Decomposition (WPD) and the Fast Ensemble Empirical Mode Decomposition (FEEMD), which includes twice decomposing processes as: (a) the WPD decomposes the original wind speed into the appropriate components and the detailed components; and (b) the FEEMD further decomposes the WPD generating detailed components into a number of wind speed Intrinsic Mode Functions (IMFs). The experimental results in five real forecasting cases show that: (a) the proposed hybrid WPD-FEEMD-Elman model has satisfactory performance in the multi-step wind speed predictions; and (b) the hybrid WPD-FEEMD-Elman model has improved the forecasting performance of the hybrid WPD-Elman model and the standard Elman neural networks considerably.

ผลลัพธ์ (ไทย) 1:

ความเร็วลมคาดการณ์เทคโนโลยีมีความสำคัญในด้านการใช้พลังงานลม อย่างไรก็ตาม สัญญาณความเร็วลมได้เสมอไม่เชิงเส้น และไม่ใช่เขียนเพื่อให้ยากที่จะทำนายอย่างถูกต้อง จุดมุ่งหมายที่ท้าทายนี้ วิธีการผสมแบบใหม่ได้รับการเสนอชื่อสำหรับคาดคะเนความแม่นยำสูงความเร็วลมที่ตามขั้นตอนวิธีแยกส่วนประกอบรอง (SDA) และเครือข่ายประสาท Elman SDA เสนอรวม Wavelet แพ็คเก็ตแยกส่วนประกอบ (WPD) และการประมวลผลรวดเร็ววงดนตรีรวมโหมดแยกส่วนประกอบ (FEEMD), ซึ่งประกอบด้วยสองพืชพันธุ์เป็น: (a) WPD decomposes ความเร็วลมเดิมเป็นส่วนประกอบที่เหมาะสมและส่วนประกอบรายละเอียด และ (b) FEEMD ต่อ decomposes WPD สร้างรายละเอียดประกอบเป็นความเร็วลม Intrinsic โหมดฟังก์ชัน (IMFs) ผลการทดลองในกรณีคาดการณ์จริงห้าแสดงว่า: (ก) แบบไฮบริเสนอ WPD FEEMD Elman มีประสิทธิภาพพอในการคาดคะเนความเร็ว ลมหลายขั้นตอน และ (b) แบบ WPD-FEEMD-Elman ไฮบริดได้ปรับปรุงประสิทธิภาพการทำงานที่คาดการณ์แบบ WPD Elman ไฮบริดและเครือข่ายประสาท Elman มาตรฐานมาก

ผลลัพธ์ (ไทย) 2:

เทคโนโลยีการคาดการณ์ความเร็วลมเป็นสิ่งที่สำคัญในด้านการพลังงานลม อย่างไรก็ตามสัญญาณความเร็วลมอยู่เสมอไม่เชิงเส้นและไม่หยุดนิ่งเพื่อให้มันเป็นเรื่องยากที่จะคาดการณ์ได้อย่างถูกต้องพวกเขา มีจุดมุ่งหมายที่ท้าทายนี้เป็นวิธีการไฮบริดใหม่ที่ได้รับการเสนอชื่อสำหรับความเร็วลมการคาดการณ์ความแม่นยำสูงขึ้นอยู่กับขั้นตอนวิธีการสลายตัวรอง (SDA) และเครือข่ายประสาท Elman เสนอ SDA รวมเวฟ Packet สลายตัว (WPD) และทั้งมวลเชิงประจักษ์อย่างรวดเร็วโหมดการสลายตัว (FEEMD) ซึ่งรวมถึงสองครั้งกระบวนการย่อยสลายเช่น (ก) WPD สลายตัวความเร็วลมต้นฉบับในองค์ประกอบที่เหมาะสมและชิ้นส่วนรายละเอียดนั้น และ (ข) FEEMD ต่อไปสลายตัว WPD การสร้างชิ้นส่วนรายละเอียดในจำนวนของความเร็วลมฟังก์ชั่นโหมดที่แท้จริง (IMFs) ผลการทดลองในห้ากรณีการคาดการณ์จริงแสดงให้เห็นว่า (ก) ที่นำเสนอไฮบริด WPD-FEEMD-Elman รูปแบบมีผลการดำเนินงานที่น่าพอใจในหลายขั้นตอนการคาดการณ์ความเร็วลม; และ (ข) ไฮบริด WPD-FEEMD-Elman รูปแบบมีการปรับปรุงประสิทธิภาพการคาดการณ์ของไฮบริดรุ่น WPD-เอลแมนและเครือข่ายประสาทมาตรฐาน Elman มาก

ผลลัพธ์ (ไทย) 3:

ความเร็วลมการคาดการณ์เทคโนโลยีเป็นสิ่งสำคัญในด้านพลังงานลม อย่างไรก็ตาม สัญญาณความเร็วลมเสมอ และเส้น non-stationary ดังนั้นมันเป็นเรื่องยากที่จะทำนายได้ถูกต้อง เป้าหมายที่ท้าทายนี้เป็นวิธีไฮบริดใหม่ได้รับการเสนอสำหรับความเร็วลมสูงคาดคะเนตามขั้นตอนวิธีการมัธยมศึกษา ( SDA ) และ เ แมนโครงข่ายใยประสาทเสนอรวมเวฟเล็ตแพ็ก SDA การสลายตัว ( wpd ) และวงรวดเร็วโหมดการสลายตัวเชิงประจักษ์ ( feemd ) ซึ่งรวมถึงสองของกระบวนการ : ( ) wpd สลายตัวความเร็วลมเดิมเป็นส่วนประกอบที่เหมาะสมและองค์ประกอบ รายละเอียดและ ( B ) feemd เพิ่มเติมสลายตัวที่ wpd สร้างรายละเอียดขององค์ประกอบในหมายเลขของความเร็วลมภายในฟังก์ชันโหมด ( imfs ) ผลการทดลองในห้ากรณีการพยากรณ์ที่แท้จริงแสดงให้เห็นว่า ( ก ) แบบผสม wpd feemd เ แมนแบบได้ประสิทธิภาพที่น่าพอใจในการปรับความเร็วลมคาดคะเน ;และ ( ข ) ลูกผสม wpd feemd เ แมนโมเดลมีการปรับปรุงประสิทธิภาพการพยากรณ์ของไฮบริด wpd เ แมนและโครงข่ายประสาทแบบมาตรฐาน เ แมนมาก