典型文献
基于误差修正的NNA-ILSTM短期风电功率预测
文献摘要：
为更准确预测短期风电功率,提出了一种基于误差修正的NNA-ILSTM短期风电功率预测方法.首先,采用斯皮尔曼(Spearman)等级相关系数法对风电功率影响因素分析,选出相关性较高的参量;其次,对长短期记忆网络添加注意机制与修改损失函数以解决其对有效信息筛选不足的问题,利用神经网络算法(NNA)优化改进的长短期记忆网络(ILSTM)中的神经元数量和时间步长,提高其预测精度以及泛化能力,构建NNA-ILSTM预测模型;最后,分析预测误差与风电功率、风速之间相关性,构建误差修正模型,对NNA-ILSTM模型预测结果进行修正,得到风电功率预测的最终结果.实验结果表明,所提出的模型可以显著提高风电功率预测精度.
文献关键词：
风电功率预测;神经网络算法;长短期记忆网络;误差修正;相关系数
中图分类号：
作者姓名：
赵铁成;谢丽蓉;叶家豪
作者机构：
新疆大学电气工程学院,新疆乌鲁木齐 830047
文献出处：
引用格式：
[1]赵铁成;谢丽蓉;叶家豪-.基于误差修正的NNA-ILSTM短期风电功率预测)[J].智慧电力,2022(01):29-36
A类：
B类：
NNA,ILSTM,短期风电功率预测,准确预测,斯皮尔曼,相关系数法,参量,注意机制,损失函数,有效信息,神经网络算法,优化改进,改进的长短期记忆网络,时间步长,泛化能力,分析预测,预测误差,误差修正模型
AB值：
0.164624
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。
