检索结果-南通市图书馆

维普期刊数据库博看期刊

基于AVMD-CNN-GRU-Attention的超短期风功率预测研究

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第6期45卷 436-443页

作者：任东方马家庆何志琴吴钦木贵州大学电气工程学院贵阳550025

为提高超短期风功率的预测精度,提出一种改进的基于变分模态分解的卷积神经网络(AVMD-CNN)、门控循环单元(GRU)和注意力机制(Attention)的超短期风功率预测模型。首先利用改进的VMD将风功率序列分解为K个子模态;然后将各子模态利用样本... 详细信息

为提高超短期风功率的预测精度,提出一种改进的基于变分模态分解的卷积神经网络(AVMD-CNN)、门控循环单元(GRU)和注意力机制(Attention)的超短期风功率预测模型。首先利用改进的VMD将风功率序列分解为K个子模态;然后将各子模态利用样本熵(SE)和中心频率进行分类,根据分类结果对各子模态分别给定归一化方式,并按SE值分别输入到GRU-Attention和CNN-GRU-Attention模型中进行训练和预测;最后将各子模态预测结果叠加得到最终结果,从而完成超短期风功率预测。以决定系数(R^(2))、平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)为精度评估指标,实际算例表明,所提出模型的R^(2)较文中其他方法平均提高12.06%,MAE、RMSE以及MAPE分别平均降低59.36%、62.49%和48.34%,具有较高的预测精度。

关键词：风功率预测变分模态分解卷积神经网络注意力机制样本熵

基于改进灰狼算法优化WLSSVM的短期风功率预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

内蒙古电力技术 2024年第2期42卷 1-7页

作者：陈琨丁苗刘炬段洁刘闯徐达国网湖北省电力有限公司荆门供电公司湖北荆门448000 中国地质大学武汉430044

为提高风功率短期预测的准确率,提出一种基于改进灰狼算法优化加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine,WLSSVM)的短期风功率预测方法。采用C-C法对风功率时间序列的嵌入维数进行了计算,根据计算结果确... 详细信息

为提高风功率短期预测的准确率,提出一种基于改进灰狼算法优化加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine,WLSSVM)的短期风功率预测方法。采用C-C法对风功率时间序列的嵌入维数进行了计算,根据计算结果确定短期风速预测输入量与输出量的关系。利用Tent映射和参数非线性调整策略对灰狼算法进行改进,得到了优化性能更强的改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,并利用测试函数验证了IGWO算法能够加快迭代收敛,提高计算精度。采用IGWO算法对WLSSVM的惩罚系数和核参数进行优化,建立基于IGWO-WLSSVM的短期风功率预测模型。采用某风电场春夏两个不同季节的风功率数据进行算例分析,结果表明,所提短期风功率预测结果的平均相对误差、均方根误差和最大相对误差更小,风功率预测精度和预测结果的稳定性均优于其他方法,验证了所提方法的有效性和实用性。

关键词：风功率改进灰狼算法 WLSSVM C-C法

在线全文

学校读者我要写书评

暂无评论

川西高原山地风功率日变化情况研究

电工技术 2024年第5期 76-78页

作者：张旭刚大唐凉山新能源有限公司四川成都610031

以川西高原山地风功率日变化情况为研究对象,对风功率数据进行了预处理和自相关系数分析,并探讨了高原山区风电特性对风功率的影响。通过对川西高原山地风功率数据的自相关系数进行计算,分析自相关系数的峰值和周期,发现风功率具有日周... 详细信息

以川西高原山地风功率日变化情况为研究对象,对风功率数据进行了预处理和自相关系数分析,并探讨了高原山区风电特性对风功率的影响。通过对川西高原山地风功率数据的自相关系数进行计算,分析自相关系数的峰值和周期,发现风功率具有日周期性,每间隔一天就会出现一次较强的正相关,同时在一定周期内风功率也会出现较强的负相关性,表明风功率的变化可能受其他因素的影响。通过探讨不同地形和气象要素对功率预测的影响,发现风速和风向是影响风电出力的主要因素。

关键词：风功率高原山地日周期性

在线全文

学校读者我要写书评

暂无评论

川西高原山地风功率观测及特征分析

电工技术 2024年第5期 67-71页

作者：曾玉大唐凉山新能源有限公司四川成都610031

利用四川省风速观测数据及川西地区气象站和测风塔的资料,对川西高原山地的风能资源进行了观测和特征分析。收集的数据涵盖了不同海拔高度和时间段的风速和风向信息,为分析风功率分布和频率分布提供了基础数据。为了更深入地分析风能特... 详细信息

利用四川省风速观测数据及川西地区气象站和测风塔的资料,对川西高原山地的风能资源进行了观测和特征分析。收集的数据涵盖了不同海拔高度和时间段的风速和风向信息,为分析风功率分布和频率分布提供了基础数据。为了更深入地分析风能特性,利用测风塔对川西地区的风场进行了全面测量。通过采用特征分析方法,对测量数据进行了预处理,计算了空气密度、风功率密度,并分析了风功率密度在一天内的变化、风频率分布及轮毂高度估算,得出的结论表明该地区的风能资源具有相当大的开发潜力,为该地区风能资源开发、风力发电项目的规划和设计提供了科学依据和数据支持。

关键词：风能风功率特征分析

基于果蝇优化算法的风功率预测数据可信度量化分析

在线全文

学校读者我要写书评

暂无评论

微型电脑应用 2024年第2期40卷 217-220页

作者：张健男张晓天姚广智胡继匀侯凯元国家电网公司东北分部辽宁沈阳110180

针对风功率预测数据精度较低,可信度难以度量的问题,研究了基于果蝇优化算法的风功率预测数据可信度量化分析方法。采用一次指数平滑方法平滑处理风功率预测的历史风速数据,将完成平滑处理的数据输入LSSVM风功率预测模型中,该模型设置... 详细信息

针对风功率预测数据精度较低,可信度难以度量的问题,研究了基于果蝇优化算法的风功率预测数据可信度量化分析方法。采用一次指数平滑方法平滑处理风功率预测的历史风速数据,将完成平滑处理的数据输入LSSVM风功率预测模型中,该模型设置线性最小二乘系统作为支持向量机的损失函数。选取果蝇优化算法优化LSSVM风功率预测模型,设置风功率预测的均方根误差作为果蝇优化算法的适应度函数,获取LSSVM风功率预测模型的最优参数,量化分析了风功率预测数据可信度。实验结果表明,该方法预测风功率的均方根误差低于0.3,具有较高的风功率预测数据可信度。

关键词：果蝇优化算法风功率预测数据可信度量化分析 LSSVM

基于EVMD和布谷鸟算法的短期风功率区间预测

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2022年第8期43卷 292-299页

作者：张亚刚赵云鹏王思祺新能源电力系统国家重点实验室(华北电力大学) 北京102206

为提高短期风功率预测精度和预测的可控性,提出一种基于能量差优化变分模态分解和布谷鸟优化组合神经网络的短期风功率预测模型。采用能量差优化变分模态分解(EVMD)的模态数,将EVMD用于短期风功率分解,基于EVMD分解序列的不同模态特点,... 详细信息

为提高短期风功率预测精度和预测的可控性,提出一种基于能量差优化变分模态分解和布谷鸟优化组合神经网络的短期风功率预测模型。采用能量差优化变分模态分解(EVMD)的模态数,将EVMD用于短期风功率分解,基于EVMD分解序列的不同模态特点,对非线性序列采用布谷鸟优化反向传播神经网络(CS-BPNN),对平稳序列采用自回归滑动平均模型(ARMA),并重构加权得到点预测值,并基于EVMD分解所丢失的序列信息构建核密度估计,在点预测模型的基础上,进行风功率的区间预测。将所提预测方法用于澳大利亚风电场的实际算例,实验结果表明,该方法可提高短期风功率预测的准确性。

关键词：风功率预测信号处理 EVMD 神经网络布谷鸟算法

基于分形特征的自适应EEMD及其在风功率预测中的应用

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2023年第5期44卷 416-424页

作者：金吉王斌喻敏张羽晗张永武汉科技大学信息科学与工程学院武汉430081 武汉科技大学理学院武汉430065

人为设定白噪声的幅值和加噪次数及白噪声自身的随机性会对集合经验模态分解(EEMD)方法的分解结果造成不确定性,导致EEMD应用于风功率预测时不能实现最佳的分解效果。该文研究了白噪声参数对EEMD分解效果的影响机理,并提出基于分形特征... 详细信息

人为设定白噪声的幅值和加噪次数及白噪声自身的随机性会对集合经验模态分解(EEMD)方法的分解结果造成不确定性,导致EEMD应用于风功率预测时不能实现最佳的分解效果。该文研究了白噪声参数对EEMD分解效果的影响机理,并提出基于分形特征的自适应EEMD方法。在不同的白噪声及白噪声参数下,EEMD分解所得到的模态分量具有不同的分形维特征,采用粒子群算法寻优获得EEMD处理某一信号的最佳参数,实现对信号的准确分解。同时结合具有良好非线性建模能力的长短时记忆(LSTM)网络方法对自适应EEMD分解得到的模态分量进行预测,利用仿真信号及两个风电场实际风功率数据进行分析,自适应EEMD避免了白噪声的随机性及人为设定参数对EEMD分解结果带来的不确定性影响。与3种基准预测模型对比,自适应EEMD结合LSTM模型预测两组风功率的RMSE显著降低,验证了该文研究方法的有效性。

关键词：分形维数风功率长短时记忆网络自适应EEMD

基于改进的CNN-LSTM短期风功率预测方法研究

在线全文

学校读者我要写书评

暂无评论

基于改进的CNN-LSTM短期风功率预测方法研究

作者：严北斗昆明理工大学

学位级别：硕士

随着国家的发展,环保问题必定会逐渐引起重视,尤其是在能源行业,传统能源引发的环境日益突出,战略转型的迫切性日益增加,水电、风电、光伏等清洁能源行业也必将逐步取代化石能源的地位,因此随之而来的功率预测准确度也会关乎着供电的安... 详细信息

随着国家的发展,环保问题必定会逐渐引起重视,尤其是在能源行业,传统能源引发的环境日益突出,战略转型的迫切性日益增加,水电、风电、光伏等清洁能源行业也必将逐步取代化石能源的地位,因此随之而来的功率预测准确度也会关乎着供电的安全性,以及电能供需平衡。本文主要为了让风功率预测值尽可能接近实际情况,首先依据动能公式,推导出风能公式,从而得出影响风功率的几个因素为:风向、风速及空气密度。其次运用Pearson相关系数法将影响风功率的空气密度、气压、温度、风速、风向等参数做了作定量分析。通过云南某个风电场实体数据验证了以上参数的相关性,最后结合实际情况,确定了风向和风速为影响风电功率输出的主要特征量。随后在数据预处理过程中,运用了两种数据处理方式,一是拉依达准则剔除异常数据,二是基于CEEMDAN经验模态分解的方法,通过两个方法的对比,得出基于CEEMDAN经验模态分解的方法的优越性,再使用CNN对输入的日期序列加以特征获取,通过对预处理后的数据进行特征训练,使得原始数据具备训练集、测试集、验证集的数据样本;在此基础上,对LSTM网络门的增减改进,设计出了改进版本的CNN-LSTM模型。最后,通过云南省某风电场实测数据进行数据验证,通过对比几个相似的模型,以及真实值做了一个对比,通RSEM、MAE、R三个指标,分别证明了本文新组合形式模块的优越性。

关键词：预测风功率神经网络改进的长短期记忆系统

基于集合经验模态分解和小波神经网络的短期风功率组合预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电工技术学报 2013年第9期28卷 137-144页

作者：王贺胡志坚陈珍仉梦林贺建波李晨武汉大学电气工程学院武汉430072

从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征;其次基于相空间重构挖掘各子序列的统计特性,以避免... 详细信息

从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征;其次基于相空间重构挖掘各子序列的统计特性,以避免预测模型输入维数选取的随意性;然后对各子序列建立小波神经网络预测模型;最后叠加各子序列预测结果得到风功率预测值。实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力。

关键词：风功率预测集合经验模态分解小波神经网络组合模型