典型文献
基于VMD-WSGRU的风电场发电功率中短期及短期预测
文献摘要：
针对风电功率随机性较强、时序关联难以建模的问题,构建了变分模式分解(variational mode decomposition,VMD)与权值共享门控循环单元(weight sharing gate recurrent unit,WSGRU)组合而成的VMD-WSGRU预测模型.模型首先应用变分模式分解将历史风力发电功率等序列信息非递归地分解为指定层数的模态分量,不同模态分量代表了其不同尺度的特征,同时降低了原始序列的不平稳度,随后使用WSGRU对分析出的所有子分量整体进行快速准确的建模预测,最后使用人工神经网络(artificial neural network,ANN)修正并得到风功率的预测结果.算例结果表明,与传统单一模型预测方法相比,所提集成预测模型能够更好地把握风功率的趋势,具有更好的预测精度.与其他常见组合预测方法相比,本方法的训练也更加准确高效.
文献关键词：
变分模态分解;短期电力负荷预测;深度学习;GRU神经网络
中图分类号：
作者姓名：
盛四清;金航;刘长荣
作者机构：
华北电力大学 电气与电子工程学院,河北省 保定市 071003
文献出处：
引用格式：
[1]盛四清;金航;刘长荣-.基于VMD-WSGRU的风电场发电功率中短期及短期预测)[J].电网技术,2022(03):897-904
A类：
WSGRU
B类：
VMD,风电场,中短期,短期预测,风电功率,随机性,时序关联,变分模式分解,variational,mode,decomposition,权值共享,门控循环单元,weight,sharing,gate,recurrent,unit,组合而成,风力发电功率,序列信息,非递归,层数,模态分量,不同尺度,稳度,快速准确,建模预测,人工神经网络,artificial,neural,network,ANN,风功率,模型预测方法,集成预测模型,组合预测方法,变分模态分解,短期电力负荷预测
AB值：
0.390418
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。
