| 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 |
| |
| 引用本文： | 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, 0(4): 49-54. DOI: 10.19768/j.cnki.dgjs.2022.04.017 |
| |
| 作者姓名： | 陈 黍 许炫淙 张 铮 梁儒铎 孟安波 |
| |
| 作者单位： | 广东工业大学自动化学院,广东 广州 514000 |
| |
| 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。
|
| 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 |
Ultra-short-term Wind Power Prediction Based on Singular Spectrum Analysis and Convolutional Bidirection Gated Recurrent Unit Network |
| |
| CHEN Shu,XU Xuancong,ZHANG Zheng,LIANG Ruduo,MENG Anbo. Ultra-short-term Wind Power Prediction Based on Singular Spectrum Analysis and Convolutional Bidirection Gated Recurrent Unit Network[J]. Electric Engineering, 2022, 0(4): 49-54. DOI: 10.19768/j.cnki.dgjs.2022.04.017 |
| |
| Authors: | CHEN Shu XU Xuancong ZHANG Zheng LIANG Ruduo MENG Anbo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电工技术》浏览原始摘要信息 |
|
点击此处可从《电工技术》下载全文 |
|
