1、“.....等种英，叶廷路，辛耀中，等大规模风电接入电网的相关问题及措施中国电机工程学报，戚双斌，王维庆，张新燕基于支持向量机的风速与风功率预测方法研究华东电力，曾杰，张华基于最小乘支持向量机的风速预测模型电网技术，王丽婕，冬雷，廖晓钟，等，基于小波分析的风电场短期发电功率预测中国电机工程学报，杨锡运，孙宝君，张新房，等基于相似日数据的支持向量机短期风电功率预测仿真研究中国电机工程学报，叶林，刘鹏基于经验模态分解和支持向量机的短期风电很大的进步，且相对误差大幅度的减小，可表明本文提出的模型有较高的预测准确率。表种模型预测结果比较结论研究分解技术，相空间重构理论技术，以及和自适应布谷鸟算法，并提出风电功率预测模型，旨在提高风电功率预测精度。有效的降低了风电功率的非平稳性，增强信号的结果的规律性，为进步预测提供基础。考虑到风电功率的混沌性，采用法对分量和进行重构......”。

2、“.....选用，第种选用预测模型，对原始风电功率数据分解，然后对重构后各序列进行预测，其中参数设置不变。图和图为种预测模型预测结果的对比图，图为预测结果对比图，可看预测结果更接近实际风电功率值。图风电功率预测值原始数据和预测数据对比图图为预测误差图，其中蓝色虚线为纯预测误差，后期预测误差较大，在参数未优化的情况下，纯预测后再计算从当前位置到达邻居的概率，根据接受准则判断是否接受该新解，算法重复执行的迭代过程新解计算增量判断是否保留新解保留或舍弃。经过大量解迭代更新后，得到给定控制参数值的相对最优解，之后继续减小控制参数的值，再重复执行上述迭代过程。短期风电功率基于法预测分析发电与发电厂论文。图风电功率原始序列图对风电功率数据分解见图，在使用时需要先确定分解的总次数，和白噪声所占原始信号幅值标准差的数......”。

3、“.....初始化函数，随机生成个鸟巢的初始位置。设置种群规模最大迭代次数最小误差要求维数发现概率确定参数搜索范围用网格搜索算法确定，的搜索范围找寻最优解确定适应度函数，对自适应布谷鸟算法初始设置，根据自适应布谷鸟算法机制式找到鸟巢位置与拟合度的当前最优值，再用模拟退火操作更新解与淘汰解，得到最优值终止条件判断当达到设置的最大迭代次数和最小误差要求后，算法停止搜索，算输出的最优解值即为参数最优值，否则的信号分解步骤向风电功率原始序列中加入服从，ε正态分布白噪声序列，其中ε为信号的标准差，为噪声的强度参数。利用方法将白噪声分解为若干个分量和个剩余分量，其中分量需满足的条件为整个数据序列中，极值点的数量与过零点的数量相等，或最多相差不能多于个在任点上，信号的局部最大值和局部最小值定义的包络均值为零。将步骤重复次，每次加入幅值为，但序列不同的白噪声......”。

4、“.....将分声，不但解决了模态混叠现象，而且能减少人为因素对结果的干扰影响。目前仍需解决的问题是如何提高风电功率预测精度，特别是短期的的输出功率。本文采用集合经验模态分解和最小乘支持向量机相结合的短期风电功率预测模型。运用增强风电数据的规律性，对分量分别预测，使用对的参数进行寻优，以期得到最优预测值。采用改进后的预测模型，有效提高了预测精度和预测可靠性。集合经验模态分解及相个独立的测试中加入的噪声互异，则每个独立的测试都会产生较嘈杂的结果。当测试的数量足够多时噪声将会被消除，全体的均值结果将会被认为是真正有效的最终结果，从而解决了方法所产生的模态混叠现象。短期风电功率基于法预测分析发电与发电厂论文。基于优化的预测模型最小乘支持向量机的数学描述为给定个样本点的训练集其中∈为第个输入数据，为空间的维数，作为最终值。为进步提高预测精度，本文首先对训练样本特征进行提取......”。

5、“.....小波类滤波需要人为设置小波函数，若设置不当分解结果会出现噪声，易出现混频现象。针对可能出现的问题，集合经验模态分解在的基础上加入高斯白噪声，不但解决了模态混叠现象，而且能减少人为因素对结果的干扰影响。目前仍需解决的问题是如何提高风电功率预测精度，特别是短期的的输出功率。本文采用集合经验模态分解和最小乘定参数搜索范围用网格搜索算法确定，的搜索范围找寻最优解确定适应度函数，对自适应布谷鸟算法初始设置，根据自适应布谷鸟算法机制式找到鸟巢位置与拟合度的当前最优值，再用模拟退火操作更新解与淘汰解，得到最优值终止条件判断当达到设置的最大迭代次数和最小误差要求后，算法停止搜索，算输出的最优解值即为参数最优值，否则跳到步骤。综上，进行风电功率预测的建模过程见后文中的图......”。

6、“.....其分解原理将白噪声信号加入风电功率原始数据中，得到由信号和附加的白噪声组成的附加噪声，其中信号本身是唯持久稳固的部分。每个独立的测试中加入的噪声互异，则每个独立的测试都会产生较嘈杂的结果。当测试的数量足够多时噪声将会被消除，全体的均值结果将会被认为是真正有效的最终结果，从而解决了方法所产生的模态混叠现象。短期风电功率基于法预测分析发电与发电厂论文采用径向基核函数公式在仿真中需要对的输入数据进行简单的归化处理公式式中，训练数集中输入变量的最大最小值输入变量归化前后的值。为进步提高预测精度，本文首先对训练样本特征进行提取，提取方法包括小波类和经验模态分解。小波类滤波需要人为设置小波函数，若设置不当分解结果会出现噪声，易出现混频现象。针对可能出现的问题，集合经验模态分解在的基础上加入高斯白噪板。为了弥补此缺点带来损失，将模拟退火算法的思想加入中......”。

7、“.....算法先在搜寻域内任意点为初始解，般为较高初温值，选择个邻居，然后再计算从当前位置到达邻居的概率，根据接受准则判断是否接受该新解，算法重复执行的迭代过程新解计算增量判断是否保留新解保留或舍弃。经过大量解迭代更新后，得到给定控制参数值的相对最优解，之后继续减小控制参数的值，再重复执行上述迭代过程。预测模型的建立建立基于核函数的模型，模型中∈为第个输入数据相对应的输出。考虑原始空间的最优问题公式式中，包含平方和误差ξ和个正则化参数的成本函数将输入空间的数据映射到高维的特征空间中原始空间的权向量ξ误差变量∈偏项。定义拉格朗函数公式为拉格朗日乘子，最优化条件为公式这些约束条件类似于标准的最优条件，除了ξ，消去和ξ，可得公式式中的∙，∙为核函数，满足条件公式解式后求得和，得到模型为公式本持向量机相结合的短期风电功率预测模型。运用增强风电数据的规律性......”。

8、“.....以期得到最优预测值。采用改进后的预测模型，有效提高了预测精度和预测可靠性。集合经验模态分解及相空间重构原理在滤波分解的基础上提出。其分解原理将白噪声信号加入风电功率原始数据中，得到由信号和附加的白噪声组成的附加噪声，其中信号本身是唯持久稳固的部分。列中加入服从，ε正态分布白噪声序列，其中ε为信号的标准差，为噪声的强度参数。利用方法将白噪声分解为若干个分量和个剩余分量，其中分量需满足的条件为整个数据序列中，极值点的数量与过零点的数量相等，或最多相差不能多于个在任点上，信号的局部最大值和局部最小值定义的包络均值为零。将步骤重复次，每次加入幅值为，但序列不同的白噪声，其中终止条件为的标准偏差在之间。将分解次后的的做均值计算，计算结果定参数为正则化参数和核参数，参数控制模型的复杂度和逼近误差，参数的值太大或太小会造成样本数据出现过拟合或欠拟合现象......”。

9、“.....本文将引入到的参数寻优中，旨在提高参数的寻优速度和精度。算法优化过程步骤数据预处理收集模型的训练样本和检验样本，进行归化处理，剔除残缺值初始化各参数，定义目标函数，初始化函数，随机生成个鸟巢的初始位置。设置种群规模最大迭代次数最小误差要求维数发现概率确短期风电功率基于法预测分析发电与发电厂论文小规模多种群布谷鸟算法计算机应用与软件李笑竹，陈志军，樊小朝，等自适应混合布谷鸟算法在水电站调度中的应用水力发电姜贵敏，陈志军，李笑竹，闫学勤基于的短期风电功率预测太阳能学报，。边界变异策略在优化过程中，可能会出现鸟巢位置超出其可行范围，的现象，现提出如下变异策略公式公式式中，到的随机数η设定参数。混合布谷鸟搜索算法虽然的全局搜索能力比较突出，但局部搜索能力是其功率组合预测模型中国电机工程学报，江岳春，杨旭琼，贺飞，等基于的超短期风电功率预测湖南大学学报自然科学版......”。