典型文献
基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测
文献摘要:
风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型.首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分解;其次,对分解的各个风电功率时间序列利用卷积神经网络(CNN)进行特征提取;再次,建立双向门控循环单元(BiGRU)模型对各个风电功率时间序列进行预测,叠加各个分量的预测值;最后,对误差进行进一步分析与预测,利用随机森林(RF)进行误差修正,得到最终的风电功率预测值.实验仿真表明,该模型的预测效果明显优于传统模型,模型的平均绝对百分比误差(MA PE)仅为2.09%.
文献关键词:
风电功率预测;完全集成经验模态分解;卷积神经网络;双向门控循环单元;随机森林
中图分类号:
作者姓名:
曾亮;狄飞超;兰欣;王珊珊
作者机构:
湖北工业大学 电气与电子工程学院, 湖北 武汉 430068;湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室, 湖北 武汉 430068
文献出处:
引用格式:
[1]曾亮;狄飞超;兰欣;王珊珊-.基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测)[J].可再生能源,2022(02):190-195
A类:
B类:
CEEMD,BiGRU,RF,短期风电功率预测,准确预测,经济调度,功率预测模型,完全集成经验模态分解,双向门控循环单元,误差修正,实验仿真,传统模型,平均绝对百分比误差,MA,PE
AB值:
0.138985
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。