期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
一种基于组合深度学习的复杂山地风电场测风数据质量控制方法
1
作者 姚润进 程帅兵 +2 位作者 赵乾乾 李文龙 钱栋 《高原气象》 CSCD 北大核心 2024年第6期1630-1638,共9页
山地风受地形影响呈现强烈的间隙性、波动性和非平稳性,观测质量差,常规质量控制方法无法有效地提升其观测质量。针对此,构造一种基于变分模态分解、卷积神经网络、门控循环单元组合深度学习的质量控制方法(VCG),并引入粒子群智能优化... 山地风受地形影响呈现强烈的间隙性、波动性和非平稳性,观测质量差,常规质量控制方法无法有效地提升其观测质量。针对此,构造一种基于变分模态分解、卷积神经网络、门控循环单元组合深度学习的质量控制方法(VCG),并引入粒子群智能优化策略、风功率重构模型,综合提升观测数据质量。为验证该方法的效果,运用该方法对江西赣州、四川广元、安徽芜湖、湖北黄石、河南平顶山、广西贺州某地共6座复杂山地风电场目标观测塔2016年10 min风速、风向数据进行质量控制,并与单一机器学习方法、空间回归方法(SRT)、反距离加权法(IDW)进行对比。结果表明,该方法适用于山地风电场的观测风数据的质量控制,相较于常规方法具有更高的可疑数据检错率;控制后的数据能更好地还原观测背景场,应用于风电场的发电量评估业务具有更低的误差率;且具有地形适应性强的特点。 展开更多
关键词 质量控制 风速 变分模态分解 卷积神经网络 门控循环单元
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部