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
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：
一种二次分解与PatchTST-BiLSTM的风电场超短期功率预测方法
1
作者 李娣衍 侯劲 夏岩 《宜宾学院学报》 2025年第12期39-48,88,共11页
针对风电功率变化模式随机性强、波动性大造成的精确预测难的问题,提出一种分解聚合与二次分解框架(ICEEMDAN-SE-SGMD)用于数据处理,并构建一种混合深度学习模型(PatchTST-BiLSTM),同时引入斑马优化算法(ZOA)优化模型超参数.首先,采用... 针对风电功率变化模式随机性强、波动性大造成的精确预测难的问题,提出一种分解聚合与二次分解框架(ICEEMDAN-SE-SGMD)用于数据处理,并构建一种混合深度学习模型(PatchTST-BiLSTM),同时引入斑马优化算法(ZOA)优化模型超参数.首先,采用改进的自适应噪声完全集成经验模态分解(ICEEMDAN)对历史风电序列进行初步分解,以获得多个本征模态函数(IMF).通过计算每个IMF的样本熵(SE),将具有相似SE的IMF聚合并重构为代表不同时间尺度的风电序列分量,分为高、中、低三个频率分量.接着使用辛几何模态分解(SGMD)对复杂度最高的高频分量进行二次分解,进一步将高频分量分为三个较为平滑的模态函数,以实现对高频分量的非平稳性削弱.然后,基于PatchTST-BiLSTM对最终得到五个分量分别进行预测,最后将各分量的预测结果叠加以获得最终的风电功率预测结果 .最后,以实际风电场采集的数据进行算例分析,通过对比实验验证了本文所提方法具有更高的预测精度,其中RMSE降低了22.95%,MAE降低了31.37%,MAPE降低了72.59%. 展开更多
关键词 二次分解 本征模态函数 风电功率预测 ICEEMDAN patchtst-bilstm
在线阅读 下载PDF
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
使用帮助 返回顶部