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
- 文件大小:
- 1.44 MB
- 下载次数:
- 60
-
高速下载
|