典型文献
基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型
文献摘要：
近年来,风力发电逐渐成为可再生能源发电的关键部分.为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型.首先,利用CEEMDAN对风电功率序列进行分解,得到子序列分量,并分别与关键气象变量数据构成训练集.然后,使用基于时间模式注意力机制的时间卷积网络对子序列分量分别进行预测.最后,重构预测结果后得到最终的预测值.整个预测过程有助于精准刻画风电的分量特性,并通过TPA机制捕捉变量间的关联性,有效地提高风电功率的预测准确率.
文献关键词：
风电功率预测;自适应噪声完备集成经验模态分解;时间卷积网络;时间模式注意力机制
中图分类号：
作者姓名：
赵凌云;刘友波;沈晓东;刘代勇;吕霜
作者机构：
四川大学电气工程学院,四川成都 610065;国网四川省电力公司德阳供电公司,四川德阳 618000;国网四川省电力公司成都供电公司,四川成都 610000
文献出处：
引用格式：
[1]赵凌云;刘友波;沈晓东;刘代勇;吕霜-.基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型)[J].电力系统保护与控制,2022(01):42-50
A类：
B类：
CEEMDAN,时间卷积网络,短期风电功率预测,功率预测模型,可再生能源发电,风力发电功率,短期预测,自适应噪声完备集成经验模态分解,子序列,训练集,时间模式注意力机制,对子,画风,TPA,预测准确率
AB值：
0.163925
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。
