典型文献
基于改进深度ResBiLSTM的短期风电功率预测
文献摘要：
为克服风电功率预测的大波动性和不确定性,提高电力系统运行的可靠性和稳定性,利用双向长短期记忆网络(BiLSTM)可显著降低时间序列预测误差的优势,进一步构建优化的深度网络来提升预测精度.通过融合网络方法,串联堆叠的深度残差网络(ResBiLSTM)和各级子网络,充分利用多级网络特征提取优势.基于互信息熵(MIE)方法区分各气象变量与风电功率关系的重要性程度,依此构建风电功率特征输入,并将特征输入时序数据送入改进的深度ResBiLSTM进行训练.以ERCOT风电厂数据为基础,通过与BiLSTM以及CNN对比验证,所提方法预测更准确.
文献关键词：
残差网络;融合;深层连接;风电功率;预测
中图分类号：
作者姓名：
路岩
作者机构：
中国大唐集团科学技术研究总院有限公司,北京 100040
文献出处：
引用格式：
[1]路岩-.基于改进深度ResBiLSTM的短期风电功率预测)[J].仪器仪表用户,2022(02):81-86
A类：
ResBiLSTM
B类：
进深,短期风电功率预测,大波动,波动性,电力系统运行,双向长短期记忆网络,时间序列预测,预测误差,深度网络,融合网络,堆叠,深度残差网络,子网络,多级网络,网络特征,互信息熵,MIE,依此,功率特征,时序数据,送入,ERCOT,风电厂,电厂数据,对比验证,深层连接
AB值：
0.337938
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。
