为了提高风电功率的预测精度，研究了一种基于粒子滤波（ＰＦ）与径向基函数（ＲＢＦ）神经网络相结合的风电功率预测方法。
使用ＰＦ算法对历史风速数据进行滤波处理，将处理后的风速数据结合风向、温度的历史数据，归一化后构成风电功率预测模型的新的输入数据；
利用处理后的新的输入数据和输出数据，建立ＰＦ－ＲＢＦ神经网络预测模型，预测风电场的输出功率。
仿真结果表明，使用该预测模型进行风电功率预测，预测精度有一定的提高，连续１２０ｈ功率预测的平均绝对百分误差达到８．０４％，均方根误差达到１０．６７％
使用ＰＦ算法对历史风速数据进行滤波处理，将处理后的风速数据结合风向、温度的历史数据，归一化后构成风电功率预测模型的新的输入数据；
利用处理后的新的输入数据和输出数据，建立ＰＦ－ＲＢＦ神经网络预测模型，预测风电场的输出功率。
仿真结果表明，使用该预测模型进行风电功率预测，预测精度有一定的提高，连续１２０ｈ功率预测的平均绝对百分误差达到８．０４％，均方根误差达到１０．６７％
2025/3/2 11:19:56
327KB
手撸bp神经网络实现手写数字识别，仅使用numpy完成，适合深度学习入门玩家，60000个训练数据训练时间半分钟，测试集正确率96%+
2025/3/2 9:29:47
13.04MB
国内登陆github上下载pcl总是网速很慢，这里提供一个下载好的安装包，可以直接安装的那种
2025/3/2 7:25:43
466.82MB
包含4类原始图像。
需要改变路径，就能直接使用。
将图像数据和label转换成matlab直接使用的.mat文件。
需要改变路径，就能直接使用。
将图像数据和label转换成matlab直接使用的.mat文件。
2025/3/1 22:35:29
4.86MB
二次开发labelImg-中文版热键Ctrl+u从目录加载所有图像Ctrl+r更改默认注释目标目录Ctrl+s保存Ctrl+d复制当前标签和矩形框Space将当前图像标记为已验证w创建一个矩形框d下一张图片a上一张图片del删除所选的矩形框Ctrl++放大Ctrl--缩小↑→↓←键盘箭头移动选定的矩形框工具说明生成Yolov3目录选择目录自动生成Yolov3目录结构data\backupdata\cfgdata\obj标注图片目录生成Yolov3标注选择自动生成的Yolov3自动读取data\obj目录生成data\train.txtdata\voc.datadata\voc.names注：生成标注目录请切换YOLO模式
2025/2/28 15:26:34
36.23MB