典型文献
风电场短期功率预测研究
文献摘要：
针对短期风电预测模型在时间序列信号的特征提取不理想的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短时记忆神经网络(Long Short-term Memory,LSTM)模型的短期风电预测方法.CNN利用其卷积层和池化层对历史风电数据典型特征参数进行提取,LSTM具有的时间序列记忆优势能很好地对风电数据进行预测,使用安徽省某市风电负荷数据训练模型,对风电功率进行预测,试验结果表明,CNN-LSTM的预测精度远高于传统LSTM模型,具有普遍适应性.
文献关键词：
风电预测;长短时记忆神经网络;卷积神经网络
中图分类号：
作者姓名：
刘倩;李时;陈苗
作者机构：
滁州职业技术学院 电气工程学院,安徽 滁州 239000;国网滁州供电公司,安徽 滁州 239000
文献出处：
引用格式：
[1]刘倩;李时;陈苗-.风电场短期功率预测研究)[J].韶关学院学报,2022(03):43-46
A类：
B类：
风电场,短期功率预测,预测研究,风电预测,信号的特征提取,Convolutional,Neural,Network,长短时记忆神经网络,Long,Short,term,Memory,卷积层,池化,典型特征参数,列记,记忆优势,势能,某市,电负荷,负荷数据,数据训练,训练模型,风电功率
AB值：
0.387542
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。
