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：
基于二层分解的PSO-LSTM模型风电功率超短期预测 被引量：9
1
作者 蒲娴怡 毕贵红 +2 位作者 王凯 谢旭 陈仕龙 《电机与控制应用》 2021年第5期86-92,共7页
为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对... 为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对高频分量采用变分模态分解(VMD)进行二层分解。运用样本熵来解决分量个数过多、计算量繁杂的问题。通过偏自相关函数(PACF)筛选出与预测值关联程度高的元素确定输入维数。最后,选用PSO来优化LSTM相关参数建立预测模型并叠加获得最终值。试验结果表明,该组合模型有效提高了预测精度。 展开更多
关键词 风电功率预测 快速集合经验模态分解 偏自相关函数 二层分解 粒子群优化 深度学习
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