基于相似日的BOHB-Elman光伏电站短期功率预测方法

随着可再生能源在全球能源结构中的比重逐渐增加,光伏发电站的短期功率预测成为电网管理和能源调度的重要环节。文中提出了一种结合BOHB优化算法和Elman神经网络的短期光伏短期功率预测方法,该方法注重历史数据中相似日的选取,以提高预测精度。研究采用了先进的数据处理技术,对大量历史数据进行深入分析,筛选出与预测日气象和发电特性最为相似的日子,进而利用这些数据训练BOHB-Elman模型。试验结果表明,该方法相比传统的预测模型具有更高的准确性和稳定性,为光伏发电站的能源管理提供了一种新的解决方案。

基于随机森林模型的滑行艇剩余阻力预测

针对滑行艇阻力成分复杂、预报困难等问题,采用随机森林方法,以浮心纵向位置和棱柱系数等船体几何特征量及弗劳德数共六变量作为输入量,建立单位排水量剩余阻力的预测模型.采用Box-Cox变换与主成分分析相结合,并利用贝叶斯超频道优化(BOHB)算法对随机森林算法的超参数进行优化,提升了预报精度.结果表明:通过Box-Cox变换与主成分分析结合的数据处理方法,使随机森林模型预测均方误差降低24.09%;在此基础上,进一步利用BOHB算法优化超参数,使均方误差进一步降低25.95%.