期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于自适应模态分解和融合双尺度注意力机制的时间卷积网络的超短期风电功率预测
1
作者 谢智锋 张展 +3 位作者 曾颖 许炫淙 于慧 孟安波 《黑龙江电力》 CAS 2024年第6期478-485,490,共9页
针对风电功率强波动性限制预测精度的问题,提出一种基于自适应变分模态(adaptive variational mode decomposition,AVMD)和融合双尺度注意力(double-scale attention,DA)的时间卷积神经网络(temporal convolutional network,TCN)的超短... 针对风电功率强波动性限制预测精度的问题,提出一种基于自适应变分模态(adaptive variational mode decomposition,AVMD)和融合双尺度注意力(double-scale attention,DA)的时间卷积神经网络(temporal convolutional network,TCN)的超短期风电功率预测模型AVMD-DATCN。采用纵横交叉(crisscross optimization,CSO)算法对变分模态分解参数进行优化,提出动态混合熵(dynamic mixing entropy,DME)作为适应度函数以兼顾分解损失和分解子序列可预测性,将风电功率自适应分解为一系列稳定有序的子分量。针对各分量建立DATCN预测模型以充分挖掘潜在深层耦合非连续时序特征,将各分量预测值叠加重构得到最终预测结果。多角度对比实验结果表明,所提出模型的预测性能显著优于其他预测方法。 展开更多
关键词 超短期风电功率预测 变分模态分解 纵横交叉算法 动态混合熵 双尺度注意力 时间卷积网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部