-
题名基于增强PredRNN的雷达回波外推方法
- 1
-
-
作者
谢梦
刘丽丽
杨春蕾
王艳
顾明剑
-
机构
中科技术物理苏州研究院
云遥动力科技(苏州)有限公司
-
出处
《电子测量技术》
北大核心
2025年第7期171-178,共8页
-
基金
苏州市科技项目(SYG202135)
苏州市社会发展项目(2023ss17)资助。
-
文摘
针对样本失衡和预报准确率低的问题,提出一种增强预测循环神经网络EN_PredRNN。首先,对雷达数据进行预处理并筛选样本以构建高质量的雷达回波数据集;然后,通过深度融合时空长短时记忆单元与动态卷积,设计动态卷积时空长短时记忆模块DC_STLSTM,实时调整卷积参数以精准捕捉雷达回波的瞬时变化特征。然后,通过堆叠5层DC_STLSTM,提取雷达回波的更深层次特征,并使用梯度高速公路缓解梯度消失,提高预报精度。实验结果表明,相比于比PredRNN,EN_PredRNN在25、35、45、65 dBZ阈值下的临界成功指数分别提升了19.3%、17.3%、16.5%、14.0%,虚警率分别下降了28.3%,27.5%,26.7%、24.9%,有效学习了雷达数据的时空变化特征,准确预测雷达回波强度和位置。
-
关键词
雷达回波外推
循环神经网络
动态卷积
梯度高速公路
-
Keywords
radar echo extrapolation
recurrent neural network
dynamic convolution
gradient highway unit
-
分类号
TN95
[电子电信—信号与信息处理]
TN959.4
[电子电信—信号与信息处理]
-
-
题名基于聚类的AW-CNN-LSTM光伏功率预测方法
- 2
-
-
作者
刘丽丽
谢梦
王艳
杨春蕾
顾明剑
-
机构
中科技术物理苏州研究院
-
出处
《电子测量技术》
2025年第18期92-99,共8页
-
基金
苏州市科技项目(SYG202135)
苏州市社会发展项目(2023ss17)资助。
-
文摘
由于光伏发电的波动性和随机性,传统模型难以对其进行准确预测。针对这一问题,在聚类的基础上建立一种自适应权重的CNN-LSTM网络模型。首先,对光伏电站历史数据进行预处理,并采用基于肘部法的K-means算法进行聚类;其次,根据同聚类簇的训练样本与对应测试样本的特征中心间的距离建立自适应权重;然后,根据聚类结果和自适应权重建立适用于不同聚类类别的AW-CNN-LSTM网络模型,其中,CNN用于捕获不同特征间的关系,LSTM用于捕获时序特征;最后对各模型预测结果进行整合得到最终预测结果。在澳大利亚沙漠太阳能研究中心的光伏电站数据集上进行试验,证明了本文所提方法的有效性。
-
关键词
光伏功率预测
自适应权重
K-means聚类
卷积神经网络
长短期记忆网络
-
Keywords
photovoltaic power prediction
adaptive weight
K-means clustering
convolutional neural networks
long short term memory networks
-
分类号
TN06
[电子电信]
TP271
[电子电信—物理电子学]
-
