典型文献
基于优化的VMD-CNN-LSTM模型的光伏功率预测
文献摘要：
针对变分模态分解(variational mode decomposition,VMD)用经验知识定义模态数、传统功率预测方法缺少对时序数据考虑等问题,提出一种基于优化VMD、联合卷积神经网络(convolutional neural network,CNN)-长短期记忆(long short-term-memory,LSTM)网络的组合预测模型.精度更高的光伏预测可以提高光伏并网的安全性、可靠性.通过布谷鸟搜索(cuckoo search,CS)算法优化VMD的主要参数,把光伏功率分解成若干趋于稳定的模态分量;随后将分解量送入联合CNN与LSTM的组合预测模型进行逐一预测并将功率预测值进行叠加评估,建立起基于CS-VMD-CNN-LSTM的光伏组合预测模型.以宁夏太阳山光伏电站的实测数据做仿真分析,结果表明,较遗传算法(genetic algorithm,GA)优化VMD等模型,该模型对预测光伏功率更具有效性,预测结果更优.
文献关键词：
功率预测;布谷鸟优化;变分模态分解;卷积神经网络;长经期记忆网络
中图分类号：
作者姓名：
吴勇;高昕;郭灏阳;刁海岸;刘庆丰;杨强强
作者机构：
安徽理工大学 电气与信息工程学院,安徽 淮南,232001
文献出处：
引用格式：
[1]吴勇;高昕;郭灏阳;刁海岸;刘庆丰;杨强强-.基于优化的VMD-CNN-LSTM模型的光伏功率预测)[J].邵阳学院学报（自然科学版）,2022(06):9-17
A类：
长经期记忆网络
B类：
VMD,光伏功率预测,变分模态分解,variational,mode,decomposition,经验知识,时序数据,convolutional,neural,network,长短期记忆,long,short,term,memory,组合预测模型,光伏预测,光伏并网,布谷鸟搜索,cuckoo,search,CS,算法优化,主要参数,功率分解,分解成,模态分量,送入,太阳山,光伏电站,genetic,algorithm,GA,测光,布谷鸟优化
AB值：
0.335519
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。
