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
2
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ikPCA-FABAS-KELM的短期风电功率预测
被引量：
1
1
作者
徐武
范鑫豪
+2 位作者
沈智方
刘洋
刘武
《南京信息工程大学学报》
CAS
北大核心
2024年第3期321-331,共11页
为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型...
为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度;其次,引入萤火虫个体吸引策略对天牛须算法(BAS)进行改进,提出FABAS算法;最后,利用FABAS算法对核极限学习机(KELM)的正则化参数C和核参数γ进行寻优,降低人为因素对模型盲目训练的影响,提高模型预测精度.仿真结果显示,提出的预测模型有效提高了传统模型的预测精度.
展开更多
关键词
短期风电功率预测
萤火虫算法
天牛须算法
核主成分分析
核极限学习机
在线阅读
下载PDF
职称材料
基于改进局部自注意力机制的VMD-GRU模型短期风电功率预测
被引量：
7
2
作者
徐武
刘洋
+2 位作者
沈智方
范鑫豪
刘武
《电网与清洁能源》
CSCD
北大核心
2023年第3期83-92,共10页
较高的随机波动性使得风电功率的预测十分困难。为改善风电功率预测的效果,建立了一种基于变分模态分解(variational mode decomposition,VMD)、改进局部自注意力机制(Improved Local Self-Attention,ILSA)和门控循环单元网络(gated rec...
较高的随机波动性使得风电功率的预测十分困难。为改善风电功率预测的效果,建立了一种基于变分模态分解(variational mode decomposition,VMD)、改进局部自注意力机制(Improved Local Self-Attention,ILSA)和门控循环单元网络(gated recurrent unit,GRU)的短期风电功率预测方法。使用VMD分解将原始风电功率序列分解为中心频率不一的子模态;对各子模态的中心频率分别建立具有不同高斯偏置优化窗口大小的ILSA模型,并改进其注意力分数公式以更有效地提取信息;采用GRU模型进行风电功率预测,并对各预测序列进行重组,得到最终的预测结果。实验结果表明,相比于各传统模型,所提改进方法能有效提高风电功率预测精度,且对于低频分量有更高的拟合度。
展开更多
关键词
风电功率预测
变分模态分解
自注意力机制
门控循环单元
在线阅读
下载PDF
职称材料
题名
基于ikPCA-FABAS-KELM的短期风电功率预测
被引量：
1
1
作者
徐武
范鑫豪
沈智方
刘洋
刘武
机构
云南民族大学电气信息工程学院
新疆独山子石化公司供水供电公司
出处
《南京信息工程大学学报》
CAS
北大核心
2024年第3期321-331,共11页
基金
国家自然科学基金(U1802271)。
文摘
为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度;其次,引入萤火虫个体吸引策略对天牛须算法(BAS)进行改进,提出FABAS算法;最后,利用FABAS算法对核极限学习机(KELM)的正则化参数C和核参数γ进行寻优,降低人为因素对模型盲目训练的影响,提高模型预测精度.仿真结果显示,提出的预测模型有效提高了传统模型的预测精度.
关键词
短期风电功率预测
萤火虫算法
天牛须算法
核主成分分析
核极限学习机
Keywords
short-term wind power prediction
firefly algorithm(FA)
beetle antennae search(BAS)
kernel prin-cipal component analysis
kernel extreme learning machine(KELM)
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
基于改进局部自注意力机制的VMD-GRU模型短期风电功率预测
被引量：
7
2
作者
徐武
刘洋
沈智方
范鑫豪
刘武
机构
云南民族大学电气信息工程学院
新疆独山子石化公司供水供电公司
出处
《电网与清洁能源》
CSCD
北大核心
2023年第3期83-92,共10页
基金
国家自然科学基金项目(U1802271)。
文摘
较高的随机波动性使得风电功率的预测十分困难。为改善风电功率预测的效果,建立了一种基于变分模态分解(variational mode decomposition,VMD)、改进局部自注意力机制(Improved Local Self-Attention,ILSA)和门控循环单元网络(gated recurrent unit,GRU)的短期风电功率预测方法。使用VMD分解将原始风电功率序列分解为中心频率不一的子模态;对各子模态的中心频率分别建立具有不同高斯偏置优化窗口大小的ILSA模型,并改进其注意力分数公式以更有效地提取信息;采用GRU模型进行风电功率预测,并对各预测序列进行重组,得到最终的预测结果。实验结果表明,相比于各传统模型,所提改进方法能有效提高风电功率预测精度,且对于低频分量有更高的拟合度。
关键词
风电功率预测
变分模态分解
自注意力机制
门控循环单元
Keywords
wind power prediction
variational mode decomposition
self-attention mechanism
gated circulation unit
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ikPCA-FABAS-KELM的短期风电功率预测
徐武
范鑫豪
沈智方
刘洋
刘武
《南京信息工程大学学报》
CAS
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于改进局部自注意力机制的VMD-GRU模型短期风电功率预测
徐武
刘洋
沈智方
范鑫豪
刘武
《电网与清洁能源》
CSCD
北大核心
2023
7
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
