内蒙古农业大学
纸质出版:2025
移动端阅览
王海楠, 张红旗. 基于改进长短期记忆网络的短期风功率预测[J]. 山西电力, 2025,(6):37-41.
王海楠, 张红旗. 基于改进长短期记忆网络的短期风功率预测[J]. 2025, (6): 37-41.
王海楠, 张红旗. 基于改进长短期记忆网络的短期风功率预测[J]. 山西电力, 2025,(6):37-41. DOI:
王海楠, 张红旗. 基于改进长短期记忆网络的短期风功率预测[J]. 2025, (6): 37-41. DOI:
稳定可靠的短期风速预测有利于电网的安全经济调度,针对短期风电功率预测精度低的缺陷,提出了利用粒子群算法优化长短期记忆网络参数的一种改进模型。采用深度学习中在时间序列问题处理上具有良好性能的长短期记忆网络对风速数据进行了预测,通过粒子群算法优化对长短期记忆网络隐含层神经元个数、学习率以及训练次数等网络参数进行优化,得到粒子群算法-长短期记忆网络模型。利用内蒙古某风电场风速数据进行算例分析,对比分析了粒子群算法-长短期记忆网络模型、长短期记忆网络模型的预测效果,仿真结果表明,粒子群算法优化后的长短期记忆网络模型提高了预测稳定性和准确性。
辛航.基于BA-LSTM的短期光伏输出功率预测研究[D].沈阳农业大学,2022(02).
杨宇晴.基于LSTM神经网络的短期风功率预测研究[D].华北理工大学,2022(10).
董英杰.多能互补新能源电站的容量配比优化研究[D].南京理工大学,2019(06).
王耀庆.基于深度学习和小波分解的短期风速预测研究[D].华北电力大学,2020(03).
赵燃.考虑风速预测不确定性的风火储能源系统优化调度研究[D].中南大学,2022(02).
杨妹兰.改进的粒子群算法研究[D].贵州大学,2023(05).
朱乔木,李弘毅,王子琪,陈金富,王博.基于长短期记忆网络的风电场发电功率超短期预测[J].电网技术,2017(12).
常雨芳,张力,谢昊,刘光裕.采用小波分析和神经网络的短期风速组合预测[J].华侨大学学报(自然科学版),2019(04).
邱金鹏,牛东晓.基于小波-时间序列组合模型的风电功率预测[J].电力建设,2016(01).
杨明莉,刘三明,王致杰,张卫,丁国栋.卡尔曼小波神经网络风速预测[J].电力系统及其自动化学报,2015(12).
罗珂珂.基于回归支持向量机的风功率预测误差分析[J].技术与市场,2020(04).
何健伟,曹渝昆.LSTM-RF的中长期风电功率组合预测方法[J].上海电力大学学报,2020(04).
胡帅,向月,沈晓东,刘俊勇,刘继春,李健华.计及气象因素和风速空间相关性的风电功率预测模型[J].电力系统自动化,2021(07).
刘震,刘丹,王彦文,孙书贝,刘冰.基于多元回归-ARIMA-卡尔曼组合模型的风电功率超短期预测[J].风能,2018(06).
乔路丽.基于HGWO-SVM的风电功率预测方法研究[J].东北电力技术,2023(03).
薛太林,苏鑫.基于WOA-AM-BiLSTM的短期风电功率预测[J].山西电力,2023(01).
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构