期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于IMVMD和BiLSTM-SARIMA组合模型的台区光伏短期发电功率预测
1
作者
李承皓
杨永标
+2 位作者
宋嘉启
张翔颖
徐青山
《太阳能学报》
北大核心
2025年第2期433-440,共8页
针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测...
针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测。首先对鲸鱼优化算法的收敛因子、权重等进行改进,然后用它去优化多元变分模态分解方法中的通道数量和惩罚因子,得到最佳分解效果的参数值。再针对与外界气象等因素强相关的光伏发电功率时间序列数据,利用改进多元模态分解将序列最优分解。将分解后的各模态分量输入到单独构建的双向长短期记忆网络和季节性差分自回归滑动平均模型中,获取分量预测值,两个模型得到的分量预测值分别叠加得到各自的完整预测结果。将它们分别乘以权重后相加即为最终预测结果,权重通过反向传播神经网络进行修正。仿真结果说明相比于其他方法,所提模型能有效提高光伏短期发电的预测精度。
展开更多
关键词
模态分解
神经网络
光伏发电
预测
BiLSTM
SARIMA
在线阅读
下载PDF
职称材料
题名
基于IMVMD和BiLSTM-SARIMA组合模型的台区光伏短期发电功率预测
1
作者
李承皓
杨永标
宋嘉启
张翔颖
徐青山
机构
东南大学电气工程学院
南京应用数学中心
南瑞集团有限公司(国网电力科学研究院有限公司)
国电南瑞能源有限公司
出处
《太阳能学报》
北大核心
2025年第2期433-440,共8页
基金
国家重点研发计划(2022YFB2703500)。
文摘
针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测。首先对鲸鱼优化算法的收敛因子、权重等进行改进,然后用它去优化多元变分模态分解方法中的通道数量和惩罚因子,得到最佳分解效果的参数值。再针对与外界气象等因素强相关的光伏发电功率时间序列数据,利用改进多元模态分解将序列最优分解。将分解后的各模态分量输入到单独构建的双向长短期记忆网络和季节性差分自回归滑动平均模型中,获取分量预测值,两个模型得到的分量预测值分别叠加得到各自的完整预测结果。将它们分别乘以权重后相加即为最终预测结果,权重通过反向传播神经网络进行修正。仿真结果说明相比于其他方法,所提模型能有效提高光伏短期发电的预测精度。
关键词
模态分解
神经网络
光伏发电
预测
BiLSTM
SARIMA
Keywords
modal decomposition
neural networks
PV power generation
forecasting
BiLSTM
SARIMA
分类号
TM615 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于IMVMD和BiLSTM-SARIMA组合模型的台区光伏短期发电功率预测
李承皓
杨永标
宋嘉启
张翔颖
徐青山
《太阳能学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
