问题 |
E3S网页汇编
卷积3582022
5线程绿色能源和可持续发展问题国际会议 |
|
---|---|---|
文章号 | 0140 | |
页数 | 8 | |
段内 | 受邀捐款 | |
多尔市 | https://doi.org/10.1051/e3sconf/202235801040 | |
在线发布 | 2022年10月27日 |
短期风能预测框架基于二层分解和集合模型和深网络
一号CCCWUHAN港口工程设计研究所有限公司,湖北WUHAN,430040,中国
2湖北省新材料维修加固技术实验室
3运输行业交通基础设施智能制造技术研发中心
betway手机投注时序风力受许多外因影响,显示强波动性随机性betway手机投注面向风能时间序列低预测精度问题,本文提议短期风能预测框架,基础是双层分解和组合式模型和深网络,组成方为完全共性实验模式分解(CEEMD)、样本英特罗比(SE)、堆栈共性、线性回归(LR)、变式模式分解(VMD)、长短期存储器(LSTM)和多层感知器(MLP)。betway手机投注中东欧元件用于分解风电时间序列的不同模式,然后SE用于重建第二,应用不同的模型预测不同的重建组件并选择最优模型后用VMD分解部分分解重建组件并搭建堆栈组合和LSTM综合预测模型最后,为进一步提高预测精度,MLP应用校正错误,校正错误加载预测结果和其他重建组件以获取最终预测值betway手机投注模拟结果显示,该模型精度和有效性优于传统模型,短期风能时间序列预测精度得到有效提高
关键字 :风能预测/完全共性经验模式分解/变异模式分解/堆栈共性/短期内存/多层感知
必威西汉姆赞助2022年EDP科学出版
开存文章依据创用CC授权4.0分发http://creativecommons.org/licenses/by/4.0/)
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间