典型文献
基于数据分解与重构的光伏发电功率超短期预测
文献摘要：
为进一步提高光伏发电超短期预测的精度,以数据分解重构和深度学习技术为依托,提出一种基于CEEMDAN-DBN-Seq2Seq的光伏发电功率超短期预测方法.首先利用具有自适应噪声的完整经验模态分解算法(CEEMDAN)将原始发电数据分解成在时域内特征更加明显的模态函数序列,以提取发电序列在时间尺度上的特征;随后引入影响光伏出力的主要气象因素,利用深度信念网络(DBN)对重构后的高、低频分量和序列对序列(Seq2Seq)方法对残差分量进行预测.实验表明,所提模型在光伏发电预测研究中精确度更高.
文献关键词：
信号处理;深度学习;深度信念网络;序列到序列算法;组合模型
中图分类号：
作者姓名：
徐先峰;郑少杰;赵依;王世鑫;蔡路路
作者机构：
长安大学电子与控制工程学院,陕西西安710064
文献出处：
引用格式：
[1]徐先峰;郑少杰;赵依;王世鑫;蔡路路-.基于数据分解与重构的光伏发电功率超短期预测)[J].机械与电子,2022(04):20-25
A类：
序列对序列,序列到序列算法
B类：
分解与重构,光伏发电功率,超短期预测,数据分解重构,深度学习技术,CEEMDAN,DBN,Seq2Seq,自适应噪声,整经,经验模态分解,始发,分解成,内特,模态函数,时间尺度,光伏出力,气象因素,深度信念网络,低频分量,光伏发电预测,预测研究,信号处理,组合模型
AB值：
0.273808
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。
