典型文献
基于RCNN-SVR组合模型短期风电功率预测
文献摘要：
提出一种回归卷积神经网络与支持向量回归组合模型(RCNN-SVR),采用该模型预测短期风力发电功率.首先搭建了一种回归卷积神经网络(RCNN)模型;由于RCNN存在计算量大的问题,因此利用RCNN从数据集中提取特征因素,并用特征因素训练支持向量回归(SVR)对风电输出功率进行预测;最后采用某风电场数据集进行验证,结果表明RCNN-SVR模型比单独使用的传统RCNN模型或支持向量机具有更高的准确率.其中,RCNN-SVR模型的CV-RMSE、MAE和MAPE分别为0.0998、0.3928和0.5468,说明RCNN-SVR模型有效地提高了预测精度和输出结果的稳定性.
文献关键词：
短期风电功率预测;RCNN;SVR;RCNN-SVR
中图分类号：
作者姓名：
欧旭鹏;任涛;张亮;王玉鹏;杨少帅;马艳玲
作者机构：
华能华家岭风力发电有限公司,甘肃 定西 743305
文献出处：
引用格式：
[1]欧旭鹏;任涛;张亮;王玉鹏;杨少帅;马艳玲-.基于RCNN-SVR组合模型短期风电功率预测)[J].电工技术,2022(16):61-65
A类：
B类：
RCNN,SVR,组合模型,短期风电功率预测,归卷,支持向量回归,风力发电功率,计算量,提取特征,风电输出功率,风电场,机具,CV,RMSE,MAE,MAPE,输出结果
AB值：
0.233798
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。
