Teniendo en cuenta la variabilidad y la incertidumbre inherentes a la generación de energía eólica, en este estudio se propone un mapa autoorganizado (SOM) combinado con la técnica de agrupación de la teoría de conjuntos rugosos (RST) para extraer el conocimiento relativo y elegir la situación histórica más similar y los datos eficientes para la predicción de la energía eólica con predicción meteorológica numérica (NWP). Mediante la integración de los métodos SOM y RST para agrupar los datos históricos en varias clases, el enfoque podría encontrar los días similares y excavar las reglas ocultas. De acuerdo con el reprocesamiento de los datos, las muestras seleccionadas mejorarán la precisión del pronóstico de la red de estado eco (ESN) entrenada por la clase del día de pronóstico que se adopte para pronosticar la producción de energía eólica en consecuencia. Los métodos desarrollados se aplican a un caso de previsión de potencia en un parque eólico situado en el noroeste de China con datos de potencia eólica del 1 de abril de 2008 al 6 de mayo de 2009. Para comprobar su eficacia, se compara el rendimiento del método propuesto con el de la red neuronal de retropropagación (BP) tradicional. Los resultados demuestran que la minería del conocimiento mejora de forma prometedora el rendimiento de la predicción de la potencia de los parques eólicos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Resultados de punto fijo teóricos ordenados en espacios métricos difusos con una aplicación.
Artículo:
Halos magnéticos relativistas exactos alrededor de discos en rotación
Artículo:
En el mapa de Gauss de superficies de revolución con un eje no luminoso en el espacio tridimensional de Minkowski.
Artículo:
Modelado y simulación del sistema de tren de aterrizaje con un enfoque dinámico multicuerpo
Artículo:
Estrategias personalizadas de mantenimiento preventivo para productos vendidos con garantía bidimensional