典型文献
基于神经网络的风电功率预测与模型优化方法
文献摘要：
精准的风电功率预测是电力的合理调度的重要依据和电力系统的平稳运行的重要保证.本文提出了组合残差网络和门控循环单元的风电功率预测模型.该模型使用残差网络提取风电数据的多维非线性特征,之后将特征向量时序化并作为门控循环单元网络的输入.残差网络将前面的时序特征与当前时刻的特征相结合,可以取得比普通卷积网络更好的非线性时序特征.门控循环单元网络比传统的长短期记忆网络有更简单的结构和更高的预测精度.本文通过实验的方法优化了所提出的模型中残差块的个数和门控单元的个数.在法国La Haute Borne风电场的风电数据上的仿真实验表明,本文提出的方法具有令人满意的预测精度.
文献关键词：
残差网络;门控循环单元;风电功率预测
中图分类号：
作者姓名：
项航;王新居;李强;索连帅;马腾飞;张丹丹;朱新军;张臣冬;王照阳
作者机构：
华电河南新能源发电有限公司,河南 郑州 450046;南京华盾电力信息安全测评有限公司,江苏 南京 211106
文献出处：
引用格式：
[1]项航;王新居;李强;索连帅;马腾飞;张丹丹;朱新军;张臣冬;王照阳-.基于神经网络的风电功率预测与模型优化方法)[J].电气开关,2022(03):66-70,92
A类：
Haute
B类：
风电功率预测,模型优化,电力系统,残差网络,功率预测模型,模型使用,取风,非线性特征,特征向量,门控循环单元网络,时序特征,卷积网络,长短期记忆网络,方法优化,残差块,门控单元,La,Borne,风电场,令人满意
AB值：
0.23681
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。
