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SGMD-SE与优化TCN-BiLSTM/BiGRU的超短期风功率预测
被引量：
3
1
作者
宋江涛
崔双喜
+1 位作者
樊小朝
孙玉峰
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第10期588-596,共9页
为提高超短期风功率预测精度,提出一种基于SGMD-SE与优化的TCN-BiLSTM/BiGRU组合预测模型。首先,采用最大互信息系数(MIC)选取出风功率强相关变量,作为预测模型的输入特征。其次,利用能抑制模态混叠、无须设置分解参数的辛几何模态分解(...
为提高超短期风功率预测精度,提出一种基于SGMD-SE与优化的TCN-BiLSTM/BiGRU组合预测模型。首先,采用最大互信息系数(MIC)选取出风功率强相关变量,作为预测模型的输入特征。其次,利用能抑制模态混叠、无须设置分解参数的辛几何模态分解(SGMD),将原始风功率信号分解成若干个较平稳的初始辛几何分量(SGC)。然后,使用样本熵(SE)完成初始分量重构并将重构后分量划分为复杂度高、低两类,根据两类分量不同特点,分别搭建TCN-BiLSTM模型、TCN-BiGRU模型进行预测。为改善BiLSTM、BiGRU预测性能,采用时间卷积网络(TCN)提取两类分量特征,并提出一种基于Tent混沌映射和柯西变异的改进鱼鹰优化算法(IOOA)优化其关键参量。最后,叠加各分量预测值得到最终的预测结果。结果表明:所提出的组合预测模型可有效提升超短期风功率预测的准确率,具有较强的实用价值。
展开更多
关键词
风功率预测
分解
长短期记忆网络
时间卷积网络
鱼鹰优化算法
在线阅读
下载PDF
职称材料
题名
基于SGMD-SE与优化TCN-BiLSTM/BiGRU的超短期风功率预测
被引量：
3
1
作者
宋江涛
崔双喜
樊小朝
孙玉峰
机构
新疆大学可再生能源发电与并网控制中心
新疆
工程学院新
能源
科学与工程系
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第10期588-596,共9页
基金
国家自然科学基金(52067020)
新疆维吾尔自治区重点研发项目(2022B01019-1)。
文摘
为提高超短期风功率预测精度,提出一种基于SGMD-SE与优化的TCN-BiLSTM/BiGRU组合预测模型。首先,采用最大互信息系数(MIC)选取出风功率强相关变量,作为预测模型的输入特征。其次,利用能抑制模态混叠、无须设置分解参数的辛几何模态分解(SGMD),将原始风功率信号分解成若干个较平稳的初始辛几何分量(SGC)。然后,使用样本熵(SE)完成初始分量重构并将重构后分量划分为复杂度高、低两类,根据两类分量不同特点,分别搭建TCN-BiLSTM模型、TCN-BiGRU模型进行预测。为改善BiLSTM、BiGRU预测性能,采用时间卷积网络(TCN)提取两类分量特征,并提出一种基于Tent混沌映射和柯西变异的改进鱼鹰优化算法(IOOA)优化其关键参量。最后,叠加各分量预测值得到最终的预测结果。结果表明:所提出的组合预测模型可有效提升超短期风功率预测的准确率,具有较强的实用价值。
关键词
风功率预测
分解
长短期记忆网络
时间卷积网络
鱼鹰优化算法
Keywords
wind power prediction
decomposition
long short-term memory
time convolutional network
osprey optimization algorithm
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SGMD-SE与优化TCN-BiLSTM/BiGRU的超短期风功率预测
宋江涛
崔双喜
樊小朝
孙玉峰
《太阳能学报》
EI
CAS
CSCD
北大核心
2024
3
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
