典型文献
基于PCC-GRU-Attention组合风电功率超短期预测
文献摘要：
由于风电出力具有随机性、波动性的特点,风电功率预测技术的研究对电力系统的安全稳定运行具有重要意义.提出一种基于PCC-GRU-Attention组合风电功率超短期预测方法,首先使用皮尔逊相关系数(pearson correlation coefficient,PCC)对数据预处理,选出高度相关性的特征作为输入,针对长短期记忆(long short term memory,LSTM)网络与门控循环单元(gated recurrent unite,GRU)网络处理长时序列易丢失序列信息的问题,通过GRU网络处理时间序列信息以及注意力(Attention)机制优化输出权重,与单一LSTM网络和GRU网络以及其它组合模型相比,有效提高了预测精度.
文献关键词：
风电功率预测;PCC;GRU;注意力机制;组合预测
中图分类号：
作者姓名：
陈德余;张玮;王辉;房栋
作者机构：
齐鲁工业大学(山东省科学院)信息与自动化学院,山东 济南250353;山东大学 电气工程学院,山东 济南250061;济南市水利工程服务中心,山东 济南250013
文献出处：
引用格式：
[1]陈德余;张玮;王辉;房栋-.基于PCC-GRU-Attention组合风电功率超短期预测)[J].齐鲁工业大学学报,2022(06):1-8
A类：
B类：
PCC,GRU,Attention,超短期预测,风电出力,随机性,波动性,风电功率预测,预测技术,电力系统,安全稳定运行,皮尔逊相关系数,pearson,correlation,coefficient,数据预处理,长短期记忆,long,short,term,memory,门控循环单元,gated,recurrent,unite,长时序列,失序,序列信息,处理时间,机制优化,组合模型,注意力机制,组合预测
AB值：
0.355781
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。
