典型文献
基于深度置信网络的风功率预测模型
文献摘要：
准确的风功率预测可以缓解风电并网对电力系统的负面影响.本文提出一种新的组合模型来提高风电功率预测精度.首先,对特征变量进行时间延迟实现数据重构,利用完全集成经验模态分解(CEEMDAN)将重构后的数据分解为趋势分量和波动分量.其次,利用最大互信息(MIC)选出低维敏感的变量.最后,低维变量输入置信神经网络(DBN)中进行风电功率预测.基于风机实际运行数据的实验结果表明,所建立模型预测结果的MAPE为3.41％,相比于对比模型取得了更高的预测性能.
文献关键词：
风功率预测;最大互信息;CEEMDAN算法;深度置信网络
中图分类号：
作者姓名：
李娜;林宪平
作者机构：
国网电子商务有限公司,北京 100053;国网新能源云技术有限公司,北京 100053
文献出处：
引用格式：
[1]李娜;林宪平-.基于深度置信网络的风功率预测模型)[J].新一代信息技术,2022(06):15-17,24
A类：
B类：
深度置信网络,风功率预测,功率预测模型,解风,风电并网,电力系统,组合模型,风电功率预测,特征变量,时间延迟,数据重构,完全集成经验模态分解,CEEMDAN,数据分解,最大互信息,MIC,低维,信神,DBN,风机,实际运行,运行数据,建立模型,MAPE,对比模型,预测性能
AB值：
0.330507
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。
