改进黑猩猩算法和LSSVRBiLSTM双尺度模型的短期风功率预测
文档名：改进黑猩猩算法和LSSVRBiLSTM双尺度模型的短期风功率预测
摘要：为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(ICEEMDAN)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模型.通过ICEEM-DAN将非平稳的原始风电序列分解为相对平稳的模态分量,并使用PE聚合来降低计算复杂度.分别将BiLSTM模型和LSSVR模型应用于高频分量和低频分量的预测.采用ICHOA用于优化模型的参数.将每个预测分量值叠加得出最终预测结果.算例分析结果表明,所提LSSVR-BiLSTM双尺度深度学习模型与其他模型相比,能更好地拟合风功率数据,具有较高的预测精度和可行性.
作者：王红君 谢煜轩 赵辉 岳有军 Author：WANGHongjun XIEYuxuan ZHAOHui YUEYoujun
作者单位：天津理工大学天津市复杂控制理论与应用重点实验室,天津300384天津理工大学天津市复杂控制理论与应用重点实验室,天津300384;天津农学院工程技术学院,天津300392
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(17)
分类号：TM614
关键词：短期风功率预测ICEEMDAN算法黑猩猩优化算法最小二乘支持向量回归机双向长短时记忆网络
Keywords：short-termwindpowerpredictionICEEMDANalgorithmchimpoptimizationalgorithmleastsquaressupportvectorregressionbi-directionallongshort-tremmemory
机标分类号：TP391.9TN958P228
在线出版日期：2023年10月25日
基金项目：天津市自然科学基金重点项目，天津市教委重点基金项目改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测[
期刊论文]重庆理工大学学报--2023, 37(17)王红君谢煜轩赵辉岳有军为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(ICEEMDAN)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测Short-term wind power prediction based on improved chimp algorithm and LSSVR-BiLSTM dual scale model
改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测.pdf
页:
[1]