典型文献
基于奇异谱分析和卷积双向门控单元网络的超短期风电功率预测
文献摘要：
精确的短期风电功率预测能有效提高电网供电可靠性.为降低风电数据中隐含噪声对预测结果的影响,采用奇异谱分析(Singular Spectrum Analysis,SSA)将原始数据分解并重构为趋势、周期和高频噪声三个子序列,作为预测模型的输入.针对传统循环网络局限于时间相关性的前向提取,提出卷积双向门控循环单元网络(Convolution Neural Network-Bidirectional Gated Recurrent Unit,CNN-BiGRU)预测模型.前者提取重构子序列间特征的耦合关系,后者挖掘数据的双向时间相关性,以提高预测精度.为了研究该模型的预测性能,选取了其他模型进行对比,试验结果表明SSA-CNN-BiGRU模型比其他模型更具有优越的预测性能.
文献关键词：
风电功率预测;奇异谱分析;卷积神经网络;双向门控单元循环网络;深度学习
中图分类号：
作者姓名：
陈黍;许炫淙;张铮;梁儒铎;孟安波
作者机构：
广东工业大学自动化学院,广东 广州 514000
文献出处：
引用格式：
[1]陈黍;许炫淙;张铮;梁儒铎;孟安波-.基于奇异谱分析和卷积双向门控单元网络的超短期风电功率预测)[J].电工技术,2022(04):49-54,57
A类：
双向门控单元循环网络
B类：
奇异谱分析,超短期风电功率预测,供电可靠性,中隐,Singular,Spectrum,Analysis,SSA,原始数据,数据分解,高频噪声,子序列,时间相关性,双向门控循环单元,门控循环单元网络,Convolution,Neural,Network,Bidirectional,Gated,Recurrent,Unit,BiGRU,耦合关系,预测性能
AB值：
0.272326
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。
