典型文献
基于自适应权重的CNN-LSTM&GRU组合风电功率预测方法
文献摘要：
准确预测风电功率可以提高电网运行的安全性和可靠性.为进一步提高短期风电功率预测精度,针对目前单一模型难以获得最优预测结果的问题,提出一种CNN-LSTM&GRU多模型组合短期风电功率预测方法.首先,利用卷积神经网络(convolutional neural network,CNN)提取数据局部特征,并结合长短期记忆(long short term memory,LSTM)网络构造出融合局部特征预提取模块的CNN-LSTM网络结构;然后,将其与门控循环单元(gated recurrent unit,GRU)网络并行,并通过自适应权重学习模块为CNN-LSTM模块和GRU模块的输出选择最佳权重,构建出CNN-LSTM&GRU组合的短期预测模型.最后,对中国西北某风电场的出力进行预测研究,结果表明:所提模型与单一模型或其他组合模型相比,指标误差更小,预测精度更高.
文献关键词：
短期风电功率预测;CNN-LSTM;GRU;组合预测;自适应权重学习
中图分类号：
作者姓名：
贾睿;杨国华;郑豪丰;张鸿皓;柳萱;郁航
作者机构：
宁夏大学 物理与电子电气工程学院,宁夏 银川 750021;宁夏电力能源安全重点实验室,宁夏 银川 750004
文献出处：
引用格式：
[1]贾睿;杨国华;郑豪丰;张鸿皓;柳萱;郁航-.基于自适应权重的CNN-LSTM&GRU组合风电功率预测方法)[J].中国电力,2022(05):47-56,110
A类：
自适应权重学习
B类：
GRU,准确预测,测风,电网运行,安全性和可靠性,短期风电功率预测,难以获得,多模型,模型组合,convolutional,neural,network,提取数据,局部特征,长短期记忆,long,short,term,memory,预提,取模,门控循环单元,gated,recurrent,unit,学习模块,短期预测,中国西北,风电场,出力,预测研究,组合模型,组合预测
AB值：
0.265269
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。
