典型文献
基于混合模型的超短期风速区间预测
文献摘要：
准确的风速预测能够促进大规模的风电并网,保证电力系统的安全稳定运行.针对传统点预测方法难以表征预测结果概率可信度问题,提出一种基于模糊信息粒化、改进长短期记忆网络与差分自回归移动平均模型的混合区间预测模型.首先,采用自适应噪声的完全集合经验模态分解模型对原始风速数据进行分解,并依据模糊熵重构得到新序列.在此基础上,对每个序列依次进行模糊信息粒化,获得最大值、最小值及平均值.最后,利用改进长短期记忆网络模型预测高频序列,差分自回归移动平均模型预测低频序列与余项,并将所得上下界求和得到最终风速区间.算例分析表明,所提模型得出的风速预测区间能够准确覆盖实测风速,为电力系统调度提供更多有价值的决策信息.
文献关键词：
风速区间预测;模糊信息粒化;改进长短期记忆神经网络;差分自回归移动平均模型;混合模型
中图分类号：
作者姓名：
张金良;刘子毅
作者机构：
华北电力大学经济与管理学院,北京 102206
文献出处：
引用格式：
[1]张金良;刘子毅-.基于混合模型的超短期风速区间预测)[J].电力系统保护与控制,2022(22):49-58
A类：
风速区间预测,改进长短期记忆神经网络
B类：
混合模型,超短期,风速预测,风电并网,安全稳定运行,点预测,可信度,模糊信息粒化,差分自回归移动平均模型,混合区,自适应噪声的完全集合经验模态分解,集合经验模态分解模型,风速数据,模糊熵,新序列,最小值,长短期记忆网络模型,测高,高频序列,余项,上下界,算例分析,预测区间,实测风速,电力系统调度,决策信息
AB值：
0.230975
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。
