咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功... 收藏

改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测

Short-term wind power prediction based on improved chimp algorithm and LSSVR-BiLSTM dual scale model

作     者:王红君 谢煜轩 赵辉 岳有军 WANG Hongjun;XIE Yuxuan;ZHAO Hui;YUE Youjun

作者机构:天津理工大学天津市复杂控制理论与应用重点实验室天津300384 天津农学院工程技术学院天津300392 

出 版 物:《重庆理工大学学报(自然科学)》 (Journal of Chongqing University of Technology:Natural Science)

年 卷 期:2023年第37卷第9期

页      面:243-252页

学科分类:08[工学] 0807[工学-动力工程及工程热物理] 

基  金:天津市自然科学基金重点项目(08JCZDJC18600) 天津市教委重点基金项目(2006ZD32) 

主  题:短期风功率预测 ICEEMDAN算法 黑猩猩优化算法 最小二乘支持向量回归机 双向长短时记忆网络 

摘      要:为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(ICEEMDAN)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模型。通过ICEEMDAN将非平稳的原始风电序列分解为相对平稳的模态分量,并使用PE聚合来降低计算复杂度。分别将BiLSTM模型和LSSVR模型应用于高频分量和低频分量的预测。采用ICHOA用于优化模型的参数。将每个预测分量值叠加得出最终预测结果。算例分析结果表明,所提LSSVR-BiLSTM双尺度深度学习模型与其他模型相比,能更好地拟合风功率数据,具有较高的预测精度和可行性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分