Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
La previsin del precio de la electricidad puede afectar a la toma de decisiones de las empresas de generacin de energa, las empresas de suministro elctrico y los consumidores de energa. Hay muchas muestras y caractersticas irrelevantes en los macrodatos, que a menudo conducen a una baja precisin de las previsiones y a un elevado coste de tiempo. Por lo tanto, este artculo propone un marco de previsin basado en el procesamiento de big data, que selecciona una pequea cantidad de datos para lograr una previsin precisa al tiempo que reduce el coste temporal. En primer lugar, se establece la seleccin de muestras basada en el anlisis de correlacin gris (GCA) para eliminar las muestras intiles de la periodicidad. En segundo lugar, la seleccin de caractersticas basada en GCA se establece teniendo en cuenta la clasificacin de caractersticas y las caractersticas de correlacin temporal para eliminar an ms las caractersticas intiles. En tercer lugar, se aplica el anlisis de componentes principales para reducir el ruido entre los datos. A continuacin, en combinacin con un algoritmo de evolucin diferencial (DE), se aplica una mquina de vectores soporte (SVM) para predecir el precio. Por ltimo, el marco propuesto se aplica al mercado elctrico de Nueva Inglaterra para predecir el precio de la electricidad a corto plazo. Los resultados muestran que, en comparacin con DE-SVM sin procesamiento de datos, la precisin de la previsin mejora del 81,68% al 91,44%, y el coste temporal disminuye de 35.074s a 1.809s, lo que demuestra que el mtodo y el modelo propuestos pueden proporcionar una herramienta valiosa para el procesamiento de datos y la previsin.
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:
Un Modelo de Índice Estacional Gris para Predecir la Profundidad del Agua Subterránea en la Llanura de Ningxia
Guía:
Modelo de áreas: introducción
Artículo:
Bifurcación de Hopf en un modelo de red de araña con retardos en el tiempo discretos
Artículo:
Respuesta no lineal de transportadores vibratorios con excitador de vibración no ideal: Resonancia superarmónica y subarmónica
Artículo:
Estudio de un nuevo sistema dinámico caótico y su uso en un novedoso generador de bits pseudoaleatorios
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Análisis socioeconómico de la problemática de los desechos plásticos en el mar
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
