-
题名基于属性约简重构的自校正卷积记忆风速预测
被引量：6
- 1
-
-
作者
潘超
李润宇
蔡国伟
杨雨晴
孟涛
-
机构
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)
国网吉林省电力有限公司电力科学研究院
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2023年第7期2721-2731,共11页
-
基金
国家重点研发计划项目(2022YFB2404001)。
-
文摘
考虑风速属性及时空相关性的预测建模是规模化风电并网的研究热点,该文基于属性约简重构提出一种自校正卷积记忆超短期预测模型。利用快速相关性滤波对风速序列关联属性进行排序筛选,据此改进K-mediods方法对风电场机群聚类,基于改进灰色关联度分析簇内风机的风速时空相关性,划分典型风机多阶邻域,并重构风速信息矩阵。然后,将重构的时空多维信息输入卷积双层记忆网络,通过卷积神经网络进行风速信息降维与空间特征提取,再由双层记忆神经网络进行多位置多步超短期预测,同时基于反向误差传播原理在记忆网络中引入自校正误差修正单元。最后对实际风电场的风速进行预测,验证所提方法的有效性。
-
关键词
风速属性约简
聚类重构
灰色关联
卷积双层记忆网络
-
Keywords
wind speed attribute reduction
cluster reconstruction
grey correlation
convolutional double-layer memory network
-
分类号
TM721
[电气工程—电力系统及自动化]
-
