基于CAWR-LSTM-TRF模型的超短期风电功率预测-太阳能学报年期-手机知网

手机知网 App

24小时专家级知识服务

基于CAWR-LSTM-TRF模型的超短期风电功率预测

三峡大学电气与新能源学院;三峡大学新能源微电网湖北省协同创新中心;国网青海省电力公司西宁供电公司;海南电网有限责任公司三亚供电局 | 潘鹏程张帅刘晖陈子介

开通知网号

为提高风电超短期预测精度，提出一种长短期记忆神经网络(LSTM)算法与Transformer(TRF)模型相结合的超短期风电功率组合预测模型。为避免预测模型陷入局部最优解，引入余弦退火热重启(CAWR)策略对模型进行优化。首先，利用噪声密度聚类(DB...

机　构:

三峡大学电气与新能源学院；三峡大学新能源微电网湖北省协同创新中心；国网青海省电力公司西宁供电公司；海南电网有限责任公司三亚供电局；

领　域:

电力工业；自动化技术；

关键词:

风电功率；长短期记忆神经网络；Transformer；数据清洗；余弦退火热重启；超短期预测；

格　式:

PDF原版；EPUB自适应版(需下载客户端)

开通会员更优惠，尊享更多权益

手机阅读本文

下载APP 手机查看本文

太阳能学报

相似文献

期刊硕士博士会议报纸

图书推荐

相关工具书