陈 黍,许炫淙,张 铮,梁儒铎,孟安波.基于奇异谱分析和卷积双向门控单元网络的超短期风电功率预测[J].电工技术,2022(4):49-54
基于奇异谱分析和卷积双向门控单元网络的超短期风电功率预测
  
DOI：10.19768/j.cnki.dgjs.2022.04.017
中文关键词:  风电功率预测  奇异谱分析  卷积神经网络  双向门控单元循环网络  深度学习
英文关键词:
基金项目:
作者单位
陈 黍 广东工业大学自动化学院 
许炫淙 广东工业大学自动化学院 
张 铮 广东工业大学自动化学院 
梁儒铎 广东工业大学自动化学院 
孟安波 广东工业大学自动化学院 
摘要点击次数: 762
全文下载次数: 0
中文摘要:
      精确的短期风电功率预测能有效提高电网供电可靠性.为降低风电数据中隐含噪声对预测结果的影响,采用奇异谱分析 (SingularSpectrum Analysis,SSA)将原始数据分解并重构为趋势、周期和高频噪声三个子序列,作为预测模型的输入.针对传统循环网络局限于时间相关性的前向提取,提出卷积双向门控循环单元网络 (Convolution NeuralNetworkＧBidirectionalGatedRecurrentUnit,CNNＧBiGRU)预测模型.前者提取重构子序列间特征的耦合关系,后者挖掘数据的双向时间相关性,以提高预测精度.为了研究该模型的预测性能,选取了其他模型进行对比,试验结果表明SSAＧCNNＧBiGRU 模型比其他模型更具有优越的预测性能。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器