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
基于改进MFO优化Attention-LSTM的超短期风电功率预测
1
作者
宋立业
鞠亚东
张鑫
《电气工程学报》
CSCD
2023年第3期358-368,共11页
针对风电功率的不确定性问题,提出一种基于改进飞蛾扑火算法(Moth-flame optimization,MFO)优化注意力机制长短时神经网络(Attention long short-term memory,Attention-LSTM)的风电功率超短期预测方法。首先利用自适应噪声完全集合经...
针对风电功率的不确定性问题,提出一种基于改进飞蛾扑火算法(Moth-flame optimization,MFO)优化注意力机制长短时神经网络(Attention long short-term memory,Attention-LSTM)的风电功率超短期预测方法。首先利用自适应噪声完全集合经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise analysis,CEEMDAN)将原始功率数据分解为多个模态分量(Intrinsic mode functions,IMF),以消除不同分量间的影响,再计算各个分量的样本熵,将样本熵近似的值合并,以降低运算规模;然后,通过引入Chebyshev混沌映射、柯西变异、基于Sigmoid函数的惯性权值来对传统的飞蛾扑火算法进行改进,并将改进的飞蛾扑火算法与传统MFO、粒子群算法(Particle swarm optimization,PSO)进行比较,证明其寻优能力有了很大提升;最后,将Attention机制用于计算LSTM神经网络隐层状态的不同权重,利用改进飞蛾扑火优化算法优化Attention-LSTM的超参数,分别对合并后的IMF分量进行建模,将各分量模型叠加得到最终功率预测曲线。对锦州某风电场的功率实测数据进行仿真分析,结果表明,所提模型具有较高的预测精度,对实际工程具有一定的借鉴意义。
展开更多
关键词
风电功率
Attention机制
混沌映射
柯西变异
改进MFO算法
LSTM
在线阅读
下载PDF
职称材料
题名
基于改进MFO优化Attention-LSTM的超短期风电功率预测
1
作者
宋立业
鞠亚东
张鑫
机构
辽宁工程技术大学电气与控制工程学院
鲁能新能源(集团)有限公司河北分公司
出处
《电气工程学报》
CSCD
2023年第3期358-368,共11页
基金
辽宁省自然科学基金(2019-ZD-0039)
辽宁省教育厅科学研究基础研究(LJ2020JCL003)资助项目。
文摘
针对风电功率的不确定性问题,提出一种基于改进飞蛾扑火算法(Moth-flame optimization,MFO)优化注意力机制长短时神经网络(Attention long short-term memory,Attention-LSTM)的风电功率超短期预测方法。首先利用自适应噪声完全集合经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise analysis,CEEMDAN)将原始功率数据分解为多个模态分量(Intrinsic mode functions,IMF),以消除不同分量间的影响,再计算各个分量的样本熵,将样本熵近似的值合并,以降低运算规模;然后,通过引入Chebyshev混沌映射、柯西变异、基于Sigmoid函数的惯性权值来对传统的飞蛾扑火算法进行改进,并将改进的飞蛾扑火算法与传统MFO、粒子群算法(Particle swarm optimization,PSO)进行比较,证明其寻优能力有了很大提升;最后,将Attention机制用于计算LSTM神经网络隐层状态的不同权重,利用改进飞蛾扑火优化算法优化Attention-LSTM的超参数,分别对合并后的IMF分量进行建模,将各分量模型叠加得到最终功率预测曲线。对锦州某风电场的功率实测数据进行仿真分析,结果表明,所提模型具有较高的预测精度,对实际工程具有一定的借鉴意义。
关键词
风电功率
Attention机制
混沌映射
柯西变异
改进MFO算法
LSTM
Keywords
Wind power
Attention mechanism
chaos mapping
Cauchy mutation
improved MFO algorithm
long short-term memory
分类号
TM614 [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
基于改进MFO优化Attention-LSTM的超短期风电功率预测
宋立业
鞠亚东
张鑫
《电气工程学报》
CSCD
2023
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
