返回列表 发布新帖

基于特征交叉机制和误差补偿的风力发电功率短期预测

6 0
admin 发表于 2024-12-14 11:49 | 查看全部 阅读模式

文档名:基于特征交叉机制和误差补偿的风力发电功率短期预测
摘要:为提高短期风电功率预测精度,首先在卷积神经网络(CNN)-长短期记忆(LSTM)网络模型的基础上,引入特征交叉(FC)机制,对风电场数据集进行相关性分析并交叉组合,增加特征维度,加强非线性特征学习,挖掘隐藏关联,提高训练精度,构建形成FC-CNN-LSTM预测模型;然后,将该预测模型在风电预测中产生的误差值作为训练数据,训练生成误差补偿模型,利用该模型计算结果对风电预测数据进行补偿,进一步提高预测精度;最后,通过仿真验证该方法具有较高的预测精度,且相比传统预测模型,在分钟级超短期尺度上的预测性能具有显著优势.

作者:刘雨佳  樊艳芳  白雪岩  宋雨露  郝瑞鑫Author:LiuYujia  FanYanfang  BaiXueyan  SongYulu  HaoRuixin
作者单位:新疆大学电气工程学院乌鲁木齐830092
刊名:电工技术学报 ISTICEIPKU
Journal:TransactionsofChinaElectrotechnicalSociety
年,卷(期):2023, 38(12)
分类号:TM614TM732
关键词:卷积神经网络  长短期记忆网络  风功率预测  特征交叉  误差补偿  
机标分类号:TM614TM734TP183
在线出版日期:2023年7月6日
基金项目:国家自然科学基金,新疆维吾尔自治区研究生科研创新计划资助项目基于特征交叉机制和误差补偿的风力发电功率短期预测[
期刊论文]  电工技术学报--2023, 38(12)刘雨佳  樊艳芳  白雪岩  宋雨露  郝瑞鑫为提高短期风电功率预测精度,首先在卷积神经网络(CNN)-长短期记忆(LSTM)网络模型的基础上,引入特征交叉(FC)机制,对风电场数据集进行相关性分析并交叉组合,增加特征维度,加强非线性特征学习,挖掘隐藏关联,提高训练精度...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

        基于特征交叉机制和误差补偿的风力发电功率短期预测  Short-Term Wind Power Prediction Based on Feature Crossover Mechanism and Error Compensation

基于特征交叉机制和误差补偿的风力发电功率短期预测.pdf
2024-12-14 11:49 上传
文件大小:
1.44 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号-1
关灯 返回顶部
快速回复 返回顶部 返回列表