典型文献
利用 SVM-LSTM-DBN 的短期光伏发电预测方法
文献摘要：
为解决传统预测算法的不足,利用深度信念网络(DBN)耦合支持向量机(SVM)和长短期记忆神经网络(LSTM),提出一种新的光伏功率组合预测方法.分别构建以高斯径向基函数为核函数的支持向量机预测模型、4层长短期记忆神经网络为单项预测模型,通过深度信念网络组合,优化预测结果并输出.根据实际出力和预测结果的误差,利用DBN动态调整以获得最优值,进一步验证SVM-LSTM-DBN模型的有效性和准确性,并以新疆维吾尔自治区某光伏电站的实测数据进行仿真验证.结果表明:基于SVM-LSTM-DBN组合的光伏出力预测模型与单一模型相比,预测精度明显提高.
文献关键词：
光伏发电;光伏出力预测模型;支持向量机;长短期记忆神经网络;深度信念网络
中图分类号：
作者姓名：
卿会;郭军红;李薇;亢朋朋;王金明;潘张榕
作者机构：
华北电力大学环境科学与工程学院,北京102206;华北电力大学资源环境系统优化教育部重点实验室,北京102206;国网新疆电力有限公司,新疆乌鲁木齐830002;国网新疆电力有限公司阿勒泰供电公司,新疆阿勒泰836500
文献出处：
引用格式：
[1]卿会;郭军红;李薇;亢朋朋;王金明;潘张榕-.利用 SVM-LSTM-DBN 的短期光伏发电预测方法)[J].华侨大学学报（自然科学版）,2022(03):371-378
A类：
光伏出力预测模型
B类：
DBN,光伏发电预测,传统预测,预测算法,深度信念网络,长短期记忆神经网络,光伏功率,组合预测方法,径向基函数,核函数,单项预测模型,最优值,新疆维吾尔自治区,光伏电站,仿真验证
AB值：
0.163386
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
