典型文献
基于变分模态分解和分位数卷积-循环神经网络的短期风功率预测
文献摘要：
由于风力发电的随机性和间歇性,风功率预测不仅需要准确的点预测,而且需要可靠的区间预测和概率预测来量化风功率的不确定性.提出了一种基于变分模态分解(variational mode decomposition,VMD)和分位数卷积-循环神经网络的风功率概率预测模型.首先,使用VMD技术将原始风功率数据序列分解为一系列特征互异的模态分量,再通过卷积神经网络(convolutional neural network,CNN)提取反映各模态分量动态变化的高阶特征.然后,基于提取的高阶特征进行分位数回归建模,采用长短期记忆(long short-term memory,LSTM)循环神经网络预测未来任意时刻不同分位数条件下的风功率值.最后,利用核密度估计(kernel density estimation,KDE)得到风功率概率密度曲线.以中国某风电场数据作为算例测试,证明了所提出模型的有效性.
文献关键词：
风功率预测;变分模态分解;卷积神经网络;长短期记忆循环神经网络;分位数回归
中图分类号：
作者姓名：
沙骏;徐雨森;刘冲冲;冯定东;胥峥;臧海祥
作者机构：
国网江苏省电力有限公司盐城供电分公司,江苏 盐城 224008;河海大学 能源与电气学院,江苏 南京 211100
文献出处：
引用格式：
[1]沙骏;徐雨森;刘冲冲;冯定东;胥峥;臧海祥-.基于变分模态分解和分位数卷积-循环神经网络的短期风功率预测)[J].中国电力,2022(12):61-68
A类：
B类：
变分模态分解,数卷,短期风功率预测,风力发电,随机性,间歇性,点预测,区间预测,variational,mode,decomposition,VMD,概率预测模型,风功率数据,数据序列,序列分解,列特,互异,模态分量,convolutional,neural,network,取反,分位数回归,回归建模,long,short,term,memory,神经网络预测,预测未来,数条,核密度估计,kernel,density,estimation,KDE,概率密度,度曲,风电场,出模,长短期记忆循环神经网络
AB值：
0.337876
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。
